Emne-modellering — Latent Dirichlet-allokering
Latent Dirichlet-allokering (LDA) er en generativ sannsynlighetsmodell introdusert av Blei, Ng og Jordan (2003) som trekker ut de skjulte emnefordelingene som ligger til grunn for en samling dokumenter. Den behandler hvert dokument som en blanding av latente emner og hvert emne som en fordeling over ord, og omdanner et umerket korpus til tolkbare temaer.
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
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/no/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.
- DokumentklyngingTekstutvinning↔ compare
- SentimentanalyseTekstutvinning↔ compare
- TF-IDFTekstutvinning↔ compare
- Word2VecTekstutvinning↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →