방법 증거 기록
Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) is a generative probabilistic model for collections of discrete data, introduced by Blei, Ng, and Jordan in 2003. It treats each document as a mixture of latent topics and each topic as a probability distribution over words, enabling unsupervised discovery of thematic structure across large text corpora. It is one of the most cited papers in machine learning and natural language processing.
원본 기록
방법의 원본 기록에서 그대로 복사된 인용입니다. 이로부터 수준별 검증이 추론되지 않습니다.
Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003)
분류학적 방법 기록 · latent-structure / machine-learning
- 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
큐레이션된 주장
각각 자체 평가와 함께 증거 원장에 유지된 주장입니다.
아직 큐레이션된 주장이 없습니다
원장에 주장 평가가 없는 경우 이 보기에서는 주장 평가를 만들지 않습니다.
관련 방법
방법 그래프에서 생성되었으며 기계가 제안한 관계로 표시됩니다 — 증거 주장이 추론되지 않습니다.