Machine learningDeep learning / NLP / CV

Pašuzraudzītā tekstu tēmu modelēšana

Pašuzraudzītā tekstu tēmu modelēšana apvieno klasisko tēmu modeļu interpretējamo tēmu atklāšanu ar pašuzraudzītām mācīšanās mērķu funkcijām — piemēram, kontrastīvo zudumu, maskēto valodas modelēšanu vai rekonstrukciju — lai apgūtu saskaņotas, semantiski bagātīgas tēmas no neanotētiem tekstiem bez cilvēka anotētām etiķetēm. Tā savieno klasiskos probabilistiskos tēmu modeļus un moderno reprezentācijas apguvi, iegūstot tēmas, kas labāk saskaņojas ar kontekstuālo nozīmi.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Pašuzraudzītā tekstu tēmu modelēšana

BERT klasifikācija LDA tēmu modelis NMF tēmu modelis Daļēji uzraudzīta tēmu m…Ievietojumi teikumiem

Avoti

Wu, X., Li, C., Zhu, Y., & Miao, Y. (2023). Effective Neural Topic Modeling with Embedding Clustering Regularization. Proceedings of the 40th International Conference on Machine Learning (ICML 2023), PMLR 202, 37335–37357. link ↗
Topic model. Wikipedia. link ↗

Kā citēt šo lapu

ScholarGate. (2026, June 3). Self-Supervised Topic Modeling. ScholarGate. https://scholargate.app/lv/deep-learning/self-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.

BERT klasifikācijaDziļā mācīšanās↔ compare
LDA tēmu modelisDziļā mācīšanās↔ compare
NMF tēmu modelisDziļā mācīšanās↔ compare
Daļēji uzraudzīta tēmu modelēšanaDziļā mācīšanās↔ compare
Ievietojumi teikumiemDziļā mācīšanās↔ compare

Compare side by side →

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →