Topic Modeling — Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) is een generatief probabilistisch model, geïntroduceerd door Blei, Ng en Jordan (2003), dat de verborgen onderwerpverdelingen onderliggend aan een verzameling documenten extraheert. Het behandelt elk document als een mengeling van latente onderwerpen en elk onderwerp als een verdeling over woorden, waardoor een ongelabelde corpus wordt omgezet in interpreteerbare thema's.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/nl/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.
- DocumentclusteringText mining↔ compare
- SentimentanalyseText mining↔ compare
- TF-IDFText mining↔ compare
- Word2VecText mining↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →