Svagt övervakad LDA-ämnesskapare
Svagt övervakad LDA är en utökning av Latent Dirichlet Allocation som införlivar lättviktig mänsklig vägledning — typiskt nyckelordsfrön eller måste-länka/kan-inte-länka-begränsningar — i Dirichlet-priorerna, vilket styr inlärda ämnen mot domänspecifika teman utan att kräva fullständigt märkta dokument. Den befinner sig mellan helt oövervakad LDA och övervakad klassificering, vilket gör den väl lämpad för situationer där märkning av tusentals dokument är opraktiskt.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/sv/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.
- LDA-ämnesmodell (LDA Topic Model)Djupinlärning↔ compare
- NMF ÄmnesmodellDjupinlärning↔ compare
- Semi-supervised LDA Topic ModelDjupinlärning↔ compare
- MeningsinbäddningarDjupinlärning↔ compare
- ÄmnesmodelleringDjupinlärning↔ compare
- Svag övervakad BERT-baserad klassificeringDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →