Daudzvalodu tematu modelēšana
Daudzvalodu tematu modelēšana paplašina varbūtības tematu modeļus, piemēram, LDA, uz korpusiem, kas aptver divas vai vairākas valodas, secinot kopīgus latentos tematus pāri valodu robežām. Sasaistot tematu sadalījumus starp valodām, tā nodrošina starpvalodu dokumentu analīzi, salīdzināmu tematu atklāšanu un informācijas izguvi, neprasot pilnīgus paralēlus korpusus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL. link ↗
- Vulić, I., De Smet, W., & Moens, M.-F. (2015). Monolingual and cross-lingual information retrieval models based on (bilingual) word embeddings. In Proceedings of SIGIR 2015, pp. 363–372. ACM. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilingual Topic Modeling (Cross-lingual Latent Topic Inference). ScholarGate. https://scholargate.app/lv/deep-learning/multilingual-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.
- LDA tēmu modelisDziļā mācīšanās↔ compare
- Daudzvalodu teikumu iegulšanasDziļā mācīšanās↔ compare
- Daudzvalodu transformatorsDziļā mācīšanās↔ compare
- NMF tēmu modelisDziļā mācīšanās↔ compare
- Tēmu modelēšanaDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →