Machine learningDeep learning / NLP / CV
준지도 학습 토픽 모델링
준지도 학습 토픽 모델링은 LDA와 같은 비지도 토픽 모델을 확장하여, 부분적인 인간의 지도 정보—씨앗 단어, 레이블이 지정된 문서, 또는 반드시 연결됨/연결될 수 없음 제약 조건—를 통합함으로써 발견된 토픽을 의미 있고 도메인 관련 범주로 유도하는 동시에, 통계적 강건성을 위해 대규모 레이블 없는 말뭉치를 계속 활용합니다.
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
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/ko/deep-learning/semi-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.
- 잠재 디리클레 할당 (Latent Dirichlet Allocation, LDA)머신러닝↔ compare
- 음이 아닌 행렬 분해(NMF)머신러닝↔ compare
- Word2Vec텍스트 마이닝↔ compare