Мультимодальное тематическое моделирование
Мультимодальное тематическое моделирование обнаруживает скрытые тематические структуры, общие для нескольких модальностей данных — например, совместно встречающиеся слова и изображения — путем обучения совместного вероятностного представления, которое выравнивает темы между модальностями. Оно расширяет классические подходы, ориентированные только на текст, такие как LDA, на случаи, когда каждый документ или наблюдение состоит из гетерогенных типов данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Blei, D. M., & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134. DOI: 10.1145/860435.860460 ↗
- Ramage, D., Dumais, S., & Liebling, D. (2010). Characterizing microblogs with topic models. Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media, 130–137. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multimodal Topic Modeling (Joint Probabilistic Topic Discovery across Multiple Modalities). ScholarGate. https://scholargate.app/ru/deep-learning/multimodal-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
- Мультимодальная классификация на основе BERTГлубокое обучение↔ compare
- Мультимодальные вложения предложенийГлубокое обучение↔ compare
- Мультимодальный трансформерГлубокое обучение↔ compare
- Тематическая модель NMFГлубокое обучение↔ compare
- Тематическое моделированиеГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →