Słabe nadzorowanie modelowania tematów
Słabe nadzorowanie modelowania tematów (weakly supervised topic modeling) włącza lekką wiedzę dziedzinową — zazwyczaj słowa-ziarna (seed words) lub miękkie ograniczenia — do probabilistycznego modelu tematów, aby ukierunkować odkryte tematy na znaczące dla badacza wątki. Metoda ta plasuje się pomiędzy całkowicie nienadzorowanym modelem LDA a nadzorowanymi klasyfikatorami, wymagając znacznie mniej anotacji niż te drugie, a jednocześnie generując tematy bardziej interpretowalne i zgodne z dziedziną niż pierwszy.
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 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Model tematyczny LDAUczenie głębokie↔ compare
- Model tematyczny NMFUczenie głębokie↔ compare
- Modelowanie tematyczne z nadzorem częściowymUczenie głębokie↔ compare
- Modelowanie tematówUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →