ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

LDA-onderwerpmodel

Latent Dirichlet Allocation (LDA) is een probabilistisch generatief model, geïntroduceerd door Blei, Ng en Jordan in 2003, dat verborgen thematische structuren in grote tekstverzamelingen ontdekt door elk document te representeren als een mengeling van latente onderwerpen en elk onderwerp als een kansverdeling over woordenschatwoorden.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

+17 more

Bronnen

  1. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link
  2. Latent Dirichlet Allocation. Wikipedia. link

Deze pagina citeren

ScholarGate. (2026, June 3). Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/nl/deep-learning/lda-topic-model

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

Geciteerd door

ScholarGateLDA Topic Model (Latent Dirichlet Allocation Topic Model). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/deep-learning/lda-topic-model · Gegevensset: https://doi.org/10.5281/zenodo.20539026