Latent Dirichlet Allocation (LDA)
Latent Dirichlet Allocation (LDA) je generatívny pravdepodobnostný model pre kolekcie diskrétnych dát, predstavený Bleiom, Ngom a Jordanom v roku 2003. Každý dokument považuje za zmes latentných tém a každú tému za pravdepodobnostné rozdelenie nad slovami, čo umožňuje bez dohľadu objavovať tematickú štruktúru naprieč rozsiahlymi textovými korpusmi. Je to jeden z najcitovanejších príspevkov v oblasti strojového učenia a spracovania prirodzeného jazyka.
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. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Ako citovať túto stránku
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/sk/machine-learning/latent-dirichlet-allocation
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.
- K-Means ClusteringStrojové učenie↔ compare
- Nezáporná maticová faktorizácia (NMF)Strojové učenie↔ compare
- Word2VecDolovanie textu↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →