เปรียบเทียบวิธี

	แบบจำลองหัวข้อ LDA แบบมีผู้สอนแบบอ่อน	แบบจำลองหัวข้อ LDA แบบกึ่งมีผู้สอน (Semi-supervised LDA Topic Model)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2009–2012	2009
ผู้ริเริ่ม	Jagarlamudi et al.; Andrzejewski et al.	Ramage, D.; Andrzejewski, D. et al.
ประเภท	Probabilistic generative model with weak supervision	Semi-supervised probabilistic topic model
แหล่งต้นตำรับ	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.	Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of EMNLP, 248–256.
ชื่อเรียกอื่น	WS-LDA, Guided LDA, Seeded LDA, Constrained LDA	Labeled LDA, Seeded LDA, Constrained LDA, SS-LDA
ที่เกี่ยวข้อง	6	6
สรุป	Weakly Supervised LDA is an extension of Latent Dirichlet Allocation that incorporates lightweight human guidance — typically keyword seeds or must-link/cannot-link constraints — into the Dirichlet priors, steering learned topics toward domain-meaningful themes without requiring fully labeled documents. It sits between fully unsupervised LDA and supervised classification, making it well-suited to situations where labeling thousands of documents is impractical.	Semi-supervised LDA extends standard Latent Dirichlet Allocation by incorporating a small amount of supervision — seed words, labeled documents, or must-link/cannot-link word constraints — to guide topic discovery toward semantically coherent, interpretable themes. It bridges unsupervised topic modeling and fully supervised text classification, making it especially valuable when full annotation is costly.