Latent structure
潜在的ディリクレ配分法 (LDA)
潜在的ディリクレ配分法 (LDA) は、Blei、Ng、Jordanによって2003年に発表された、離散データの集合のための生成的確率モデルです。各文書を潜在的トピックの混合として扱い、各トピックを単語の確率分布として扱うことで、大規模なテキストコーパスにおけるテーマ構造の教師なし発見を可能にします。これは、機械学習と自然言語処理において最も引用されている論文の1つです。
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
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
このページの引用方法
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/ja/machine-learning/latent-dirichlet-allocation
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.
- K平均法クラスタリング機械学習↔ compare
- 非負値行列因子分解 (NMF)機械学習↔ compare
- Word2Vecテキストマイニング↔ compare