Slabo supervidovaný model tém LDA
Slabo supervidovaný LDA je rozšírenie latentnej Dirichletovej alokácie, ktoré začleňuje ľahkú ľudskú pomoc – zvyčajne kľúčové slová alebo obmedzenia typu „musí sa spájať“/„nesmie sa spájať“ – do Dirichletových priorov, čím usmerňuje naučené témy k doménovo zmysluplným témam bez potreby plne označených dokumentov. Nachádza sa medzi plne neusporiadaným LDA a supervidovanou klasifikáciou, vďaka čomu je vhodný pre situácie, kde je označovanie tisícok dokumentov nepraktické.
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
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), pp. 204–213. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors. Proceedings of the 26th International Conference on Machine Learning (ICML 2009), pp. 25–32. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/sk/deep-learning/weakly-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.
- 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
- Slabo supervidovaná klasifikácia založená na BERTHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →