Samoučiací model tém Latent Dirichlet Allocation
Samoučiaci LDA kombinuje pravdepodobnostný generatívny rámec Latent Dirichlet Allocation so signálmi predtrénovania pomocou samoučenia — ako je predikcia maskovaného slova alebo kontrastné ciele dokumentov — na usmernenie objavovania tém bez potreby ručne označených tréningových dát. Výsledkom sú reprezentácie tém, ktoré sú súčasne zakotvené v distribučných štatistikách a obohatené o štruktúru jazyka naučenú zo surového textu.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
- Meng, Y., Huang, J., Zhang, Y., & Han, J. (2022). Topic Discovery via Latent Space Clustering of Pretrained Language Model Representations. Proceedings of WWW 2022, ACM. DOI: 10.1145/3485447.3512034 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/sk/deep-learning/self-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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Model topicov LDAHlboké učenie↔ compare
- NMF Topic ModelHlboké učenie↔ compare
- Polo-dohľadový LDA model témHlboké učenie↔ compare
- Vektorové reprezentácie vietHlboké učenie↔ compare
- Modelovanie témHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →