Metodes pierādījumu reģistrs

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.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003)

Taksonomiskās metodes reģistrs · 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

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Used in the same domainK-Means Clusteringmachine-suggested · Relational suggestion, not evidence.Same method familyNon-negative Matrix Factorizationmachine-suggested · Relational suggestion, not evidence.See alsoWord2Vecmachine-suggested · Relational suggestion, not evidence.