Model de Topic cu Alocare Dirichlet Slab Supervizată
LDA Slab Supervizat este o extensie a Alocării Dirichlet Latente care încorporează ghidare umană ușoară — în mod tipic semințe de cuvinte cheie sau constrângeri de tipul 'trebuie-legat'/'nu-poate-fi-legat' — în prioriurile Dirichlet, direcționând subiectele învățate către teme semnificative pentru domeniu, fără a necesita documente complet etichetate. Se situează între LDA complet nesupervizat și clasificarea supervizată, fiind potrivită pentru situații în care etichetarea a mii de documente este nepractică.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ro/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 de Subiecte LDAÎnvățare profundă↔ compare
- Model de Topic NMFÎnvățare profundă↔ compare
- Modelare de subiecte LDA semi-supervizatăÎnvățare profundă↔ compare
- Embeddings de propozițiiÎnvățare profundă↔ compare
- Modelarea tematicăÎnvățare profundă↔ compare
- Clasificare BERT bazată pe supervizare slabăÎnvățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →