Modelowanie tematyczne z nadzorem częściowym
Modelowanie tematyczne z nadzorem częściowym rozszerza nienadzorowane modele tematyczne, takie jak LDA, poprzez włączenie częściowego nadzoru ludzkiego – słów-ziarn, dokumentów z etykietami lub ograniczeń typu „musi być połączone”/„nie może być połączone” – w celu ukierunkowania odkrytych tematów w stronę znaczących, istotnych dla dziedziny kategorii, jednocześnie wykorzystując duży korpus nieetykietowany do uzyskania siły statystycznej.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/pl/deep-learning/semi-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.
- Rozkład Dirichleta (LDA)Uczenie maszynowe↔ compare
- NMF (Non-negative Matrix Factorization)Uczenie maszynowe↔ compare
- Word2VecEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →