Słabo nadzorowany model tematyczny LDA
Słabo nadzorowany LDA (Weakly Supervised LDA) to rozszerzenie modelu Latent Dirichlet Allocation, które integruje lekkie wskazówki ludzkie — zazwyczaj słowa kluczowe lub ograniczenia typu must-link/cannot-link — w priorytetach Dirichleta, kierując nauczone tematy w stronę znaczących w danej dziedzinie motywów, bez konieczności pełnego etykietowania dokumentów. Znajduje się on pomiędzy całkowicie nienadzorowanym LDA a nadzorowaną klasyfikacją, co czyni go odpowiednim do sytuacji, w których etykietowanie tysięcy dokumentów jest niepraktyczne.
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
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), pp. 204–213. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors. Proceedings of the 26th International Conference on Machine Learning (ICML 2009), pp. 25–32. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/pl/deep-learning/weakly-supervised-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.
- Model tematyczny LDAUczenie głębokie↔ compare
- Model tematyczny NMFUczenie głębokie↔ compare
- Półnadzorowany model tematyczny LDAUczenie głębokie↔ compare
- Osadzanie zdańUczenie głębokie↔ compare
- Modelowanie tematówUczenie głębokie↔ compare
- Klasyfikacja BERT oparta na słabym nadzorzeUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →