Modeli i vetë-mbikëqyrur LDA për Temat
Vetë-mbikëqyrur LDA kombinon kuadrin gjenerativ probabilistik të Analizës Latente Dirichlet (Latent Dirichlet Allocation - LDA) me sinjale paraprake të vetë-mbikëqyrjes — siç janë parashikimi i fjalëve të maskuara ose objektivat e dokumenteve kontrastive — për të udhëhequr zbulimin e temave pa kërkuar të dhëna trajnimi të etiketuar manualisht. Rezultati janë përfaqësime temash që janë njëkohësisht të rrënjosura në statistika shpërndarëse dhe të pasuruara nga struktura gjuhësore e mësuar nga teksti i papërpunuar.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Self-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/sq/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.
- Klasifikimi i bazuar në BERTMësimi i thellë↔ compare
- Model Tematik LDAMësimi i thellë↔ compare
- Modeli Tematik NMFMësimi i thellë↔ compare
- Model LDA gjysmë-i mbikëqyrurMësimi i thellë↔ compare
- Embërtimet e fjaliveMësimi i thellë↔ compare
- Modelimi i temaveMësimi i thellë↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →