Machine learningDeep learning / NLP / CV
弱教師ありトピックモデリング
弱教師ありトピックモデリングは、軽量なドメイン知識（通常はシード単語またはソフト制約）を確率的トピックモデルに組み込み、発見されたトピックを研究者にとって意味のあるテーマへと誘導する。これは、完全に教師なしのLDAと教師あり分類器の中間に位置し、後者よりもはるかに少ないアノテーションで済み、前者よりも解釈可能でドメインに沿ったトピックを生成する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of EACL 2012, 204–213. link ↗
- Gallagher, R. J., Reing, K., Kale, D., & Ver Steeg, G. (2017). Anchored Correlation Explanation: Topic Modeling with Minimal Domain Knowledge. Transactions of the Association for Computational Linguistics, 5, 529–542. DOI: 10.1162/tacl_a_00078 ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/ja/deep-learning/weakly-supervised-topic-modeling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERTベースの分類深層学習↔ compare
- LDAトピックモデル深層学習↔ compare
- NMFトピックモデル深層学習↔ compare
- 半教師ありトピックモデリング深層学習↔ compare
- トピックモデリング深層学習↔ compare