Modelo de Tópicos LDA Fracamente Supervisionado
LDA Fracamente Supervisionado é uma extensão da Alocação de Dirichlet Latente que incorpora orientação humana leve — tipicamente sementes de palavras-chave ou restrições de ligação-obrigatória/não-ligação — nos priors de Dirichlet, direcionando os tópicos aprendidos para temas significativos no domínio sem exigir documentos totalmente rotulados. Situa-se entre o LDA totalmente não supervisionado e a classificação supervisionada, tornando-o bem adequado para situações onde rotular milhares de documentos é impraticável.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/pt/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.
- Modelo de Tópicos LDAAprendizado profundo↔ compare
- Modelo de Tópicos NMFAprendizado profundo↔ compare
- Modelo de Tópicos LDA Semi-supervisionadoAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
- Modelagem de TópicosAprendizado profundo↔ compare
- Classificação baseada em BERT com Supervisão FracaAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →