Многоязычное тематическое моделирование
Многоязычное тематическое моделирование расширяет вероятностные тематические модели, такие как LDA, на корпуса, охватывающие два или более языков, выводя общие скрытые темы за пределы языковых границ. Связывая распределения тем между языками, оно обеспечивает кросс-языковой анализ документов, сопоставимое обнаружение тем и поиск информации без необходимости использования полных параллельных корпусов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL. link ↗
- Vulić, I., De Smet, W., & Moens, M.-F. (2015). Monolingual and cross-lingual information retrieval models based on (bilingual) word embeddings. In Proceedings of SIGIR 2015, pp. 363–372. ACM. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilingual Topic Modeling (Cross-lingual Latent Topic Inference). ScholarGate. https://scholargate.app/ru/deep-learning/multilingual-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.
- Тематическая модель LDAГлубокое обучение↔ compare
- Многоязычные вложения предложенийГлубокое обучение↔ compare
- Мультиязычный трансформерГлубокое обучение↔ compare
- Тематическая модель NMFГлубокое обучение↔ compare
- Тематическое моделированиеГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →