Тематическое моделирование с частичной разметкой
Полуавтоматическое тематическое моделирование расширяет неконтролируемые тематические модели, такие как LDA, путем включения частичного человеческого надзора — ключевых слов, размеченных документов или ограничений на совместное или несовместное вхождение — для направления обнаруженных тем к осмысленным, релевантным предметной области категориям, при этом используя большой неразмеченный корпус для статистической силы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/ru/deep-learning/semi-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.
- Латентное размещение Дирихле (LDA)Машинное обучение↔ compare
- Неотрицательное матричное разложение (NMF)Машинное обучение↔ compare
- Word2VecИнтеллектуальный анализ текста↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →