Machine learningDeep learning / NLP / CV

Samoučiace sa modelovanie tém

Samoučiace sa modelovanie tém kombinuje interpretovateľné objavovanie tém klasických modelov tém so samoučiacimi sa cieľmi – ako sú kontrastívna strata, modelovanie maskovaného jazyka alebo rekonštrukcia – s cieľom naučiť sa koherentné, sémanticky bohaté témy z neoznačeného textu bez ľudsky anotovaných štítkov. Premosťuje klasické pravdepodobnostné modely tém a moderné učenie reprezentácií, čím vytvára témy lepšie zosúladené s kontextuálnym významom.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

Samoučiace sa modelovanie tém

Klasifikácia založená na…Model topicov LDA NMF Topic Model Polosupervizované modelo…Vektorové reprezentácie…

Zdroje

Wu, X., Li, C., Zhu, Y., & Miao, Y. (2023). Effective Neural Topic Modeling with Embedding Clustering Regularization. Proceedings of the 40th International Conference on Machine Learning (ICML 2023), PMLR 202, 37335–37357. link ↗
Topic model. Wikipedia. link ↗

Ako citovať túto stránku

ScholarGate. (2026, June 3). Self-Supervised Topic Modeling. ScholarGate. https://scholargate.app/sk/deep-learning/self-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.

Klasifikácia založená na BERTHlboké učenie↔ compare
Model topicov LDAHlboké učenie↔ compare
NMF Topic ModelHlboké učenie↔ compare
Polosupervizované modelovanie témHlboké učenie↔ compare
Vektorové reprezentácie vietHlboké učenie↔ compare

Compare side by side →

Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →