Machine learningDeep learning / NLP / CV
설명 가능한 LDA 토픽 모델
설명 가능한 LDA는 Blei, Ng, Jordan이 2003년에 소개한 대표적인 확률론적 토픽 모델인 잠재 디리클레 할당(Latent Dirichlet Allocation)을 사후 및 내재적 해석 가능성 도구와 결합하여, 발견된 각 토픽을 인간 검토자가 감사하고, 레이블을 지정하며, 신뢰할 수 있도록 합니다. 이는 투명성이 발견과 함께 요구되는 NLP, 사회 과학 텍스트 분석, 계산 인문학 분야에서 널리 사용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ko/deep-learning/explainable-lda-topic-model
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.
- 잠재 디리클레 할당 (Latent Dirichlet Allocation, LDA)머신러닝↔ compare
- 음이 아닌 행렬 분해(NMF)머신러닝↔ compare
- 텍스트 분류텍스트 마이닝↔ compare
- Word2Vec텍스트 마이닝↔ compare