Modelagem de Tópicos Fracamente Supervisionada
A modelagem de tópicos fracamente supervisionada incorpora conhecimento de domínio leve — tipicamente palavras-semente ou restrições suaves — em um modelo probabilístico de tópicos para direcionar os tópicos descobertos para temas significativos para o pesquisador. Ela se situa entre o LDA totalmente não supervisionado e classificadores supervisionados, exigindo muito menos anotação que estes últimos, ao mesmo tempo que produz tópicos mais interpretáveis e alinhados ao domínio que o primeiro.
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 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Modelo de Tópicos LDAAprendizado profundo↔ compare
- Modelo de Tópicos NMFAprendizado profundo↔ compare
- Modelagem de Tópicos Semi-supervisionadaAprendizado profundo↔ compare
- Modelagem de TópicosAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →