Svagt övervakad ämnesmodellering
Svagt övervakad ämnesmodellering införlivar lättviktig domänkunskap – typiskt startord eller mjuka begränsningar – i en probabilistisk ämnesmodell för att styra upptäckta ämnen mot forskar-meningsfulla teman. Den ligger mellan helt oövervakad LDA och övervakade klassificerare, kräver mycket mindre annotering än den senare samtidigt som den producerar mer tolkningsbara och domänanpassade ämnen än den förra.
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 EACL 2012, 204–213. link ↗
- Gallagher, R. J., Reing, K., Kale, D., & Ver Steeg, G. (2017). Anchored Correlation Explanation: Topic Modeling with Minimal Domain Knowledge. Transactions of the Association for Computational Linguistics, 5, 529–542. DOI: 10.1162/tacl_a_00078 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/sv/deep-learning/weakly-supervised-topic-modeling
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.
- BERT-baserad klassificeringDjupinlärning↔ compare
- LDA-ämnesmodell (LDA Topic Model)Djupinlärning↔ compare
- NMF ÄmnesmodellDjupinlärning↔ compare
- Semi-övervakad ämnesmodelleringDjupinlärning↔ compare
- ÄmnesmodelleringDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →