Alocação de Dirichlet Latente (LDA)
Alocação de Dirichlet Latente (LDA) é um modelo probabilístico generativo para coleções de dados discretos, introduzido por Blei, Ng e Jordan em 2003. Ele trata cada documento como uma mistura de tópicos latentes e cada tópico como uma distribuição de probabilidade sobre palavras, permitindo a descoberta não supervisionada de estrutura temática em grandes corpora de texto. É um dos artigos mais citados em aprendizado de máquina e processamento de linguagem natural.
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
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Como citar esta página
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/pt/machine-learning/latent-dirichlet-allocation
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.
- Agrupamento K-MeansAprendizado de máquina↔ compare
- Fatoração de Matriz Não-Negativa (NMF)Aprendizado de máquina↔ compare
- Word2VecMineração de texto↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →