Latent Dirichlet Allocation (LDA)
Latent Dirichlet Allocation (LDA) je generativni probabilistički model za kolekcije diskretnih podataka, koji su uveli Blei, Ng i Jordan 2003. godine. On tretira svaki dokument kao mešavinu latentnih tema, a svaku temu kao distribuciju verovatnoće nad rečima, omogućavajući nadgledano otkrivanje tematske strukture u velikim tekstualnim korpusima. Ovo je jedan od najcitiranijih radova u oblasti mašinskog učenja i obrade prirodnog jezika.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/sr/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 klasterovanjeMašinsko učenje↔ compare
- Негативна матрична факторизација (NMF)Mašinsko učenje↔ compare
- Word2VecRudarenje teksta↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →