Process / pipeline
토픽 모델링 — 잠재 디리클레 할당
잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)은 Blei, Ng 및 Jordan (2003)이 소개한 생성 확률 모델로, 문서 집합에 내재된 숨겨진 토픽 분포를 추출합니다. LDA는 각 문서를 잠재 토픽들의 혼합으로, 각 토픽을 단어들의 분포로 간주하여, 레이블이 없는 코퍼스를 해석 가능한 주제로 변환합니다.
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
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/ko/text-mining/topic-modeling-lda
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 →