Svakt veiledet emnemodellering
Svakt veiledet emnemodellering inkorporerer lettvekts domenekunnskap — typisk frøord eller myke begrensninger — i en probabilistisk emnemodell for å styre oppdagede emner mot forsker-meningsfulle temaer. Den ligger mellom fullstendig uovervåket LDA og overvåkede klassifikatorer, og krever langt mindre annotering enn sistnevnte, samtidig som den produserer mer tolkbare og domene-tilpassede emner enn førstnevnte.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of EACL 2012, 204–213. link ↗
- Gallagher, R. J., Reing, K., Kale, D., & Ver Steeg, G. (2017). Anchored Correlation Explanation: Topic Modeling with Minimal Domain Knowledge. Transactions of the Association for Computational Linguistics, 5, 529–542. DOI: 10.1162/tacl_a_00078 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/no/deep-learning/weakly-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-basert klassifiseringDyp læring↔ compare
- LDA emnemodellDyp læring↔ compare
- NMF emnemodellDyp læring↔ compare
- Semiveiledetet emnemodelleringDyp læring↔ compare
- Emne-modelleringDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →