Latent structure

잠재 디리클레 할당 (Latent Dirichlet Allocation, LDA)

잠재 디리클레 할당 (Latent Dirichlet Allocation, LDA)은 2003년 Blei, Ng, Jordan이 소개한 이산 데이터 모음(discrete data collections)을 위한 생성 확률 모형(generative probabilistic model)입니다. 이 모형은 각 문서를 잠재 주제(latent topic)의 혼합으로, 각 주제를 단어의 확률 분포로 취급하여 대규모 텍스트 코퍼스(text corpora) 전반에 걸쳐 주제 구조를 비지도 학습(unsupervised discovery)으로 발견할 수 있게 합니다. LDA는 머신러닝 및 자연어 처리 분야에서 가장 많이 인용된 논문 중 하나입니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

잠재 디리클레 할당 (Latent Dirichlet Allocation, LDA)

K-평균 군집화 음이 아닌 행렬 분해(NMF)Word2Vec 베이지안 단일 세포 RNA 시퀀싱 분석 디리클레 과정 혼합 모형 설명 가능한 LDA 토픽 모델 다중 양식 비음수 행렬 분해 주제 모델 Self-supervised NMF Topi…준지도 학습 토픽 모델링 변분 추론

출처

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

이 페이지 인용 방법

ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/ko/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.

Compare side by side →

이 방법을 참조하는 항목

베이지안 단일 세포 RNA 시퀀싱 분석 디리클레 과정 혼합 모형 설명 가능한 LDA 토픽 모델 다중 양식 비음수 행렬 분해 주제 모델 음이 아닌 행렬 분해(NMF)Self-supervised NMF Topic Model 준지도 학습 토픽 모델링 변분 추론

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →