Machine learningDeep learning / NLP / CV
LDA 토픽 모델
잠재 디리클레 할당(LDA)은 2003년 Blei, Ng, Jordan이 소개한 확률적 생성 모델로, 각 문서를 잠재 토픽의 혼합으로, 각 토픽을 어휘 단어에 대한 확률 분포로 표현함으로써 대규모 텍스트 컬렉션에서 숨겨진 주제 구조를 발견합니다.
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.
+17 more
출처
이 페이지 인용 방법
ScholarGate. (2026, June 3). Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ko/deep-learning/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.
- BERT 기반 분류딥러닝↔ compare
- NMF 토픽 모델딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare
- 토픽 모델링딥러닝↔ compare
- Word2Vec텍스트 마이닝↔ compare
이 방법을 참조하는 항목
도메인 적응형 NMF 토픽 모델설명 가능한 NMF 토픽 모델설명 가능한 토픽 모델링미세 조정 LDA 토픽 모델미세 조정 토픽 모델링Fine-Tuned Word2Vec다국어 Doc2Vec다국어 토픽 모델링Multimodal LDA Topic Model다중 양식 토픽 모델링NMF 토픽 모델자가 지도 LDA 토픽 모델자기 지도 토픽 모델링준지도학습 LDA 토픽 모델준지도 비음수 행렬 분해 (NMF) 토픽 모델준지도 학습 감성 분석준지도 학습 Word2Vec토픽 모델링LDA 토픽 모델을 이용한 전이 학습NMF 토픽 모델을 이용한 전이 학습토픽 모델링을 이용한 전이 학습Word2Vec을 활용한 전이 학습약지도 LDA 토픽 모델약한 지도 토픽 모델링