Напівкероване моделювання тем
Напівкероване моделювання тем розширює некеровані моделі тем, такі як LDA, шляхом включення часткового людського нагляду — насіннєвих слів, мічених документів або обмежень на зв'язування/незв'язування — для спрямування виявлених тем до значущих, релевантних для домену категорій, водночас використовуючи великий нерозмічений корпус для статистичної потужності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/uk/deep-learning/semi-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.
- Розподіл Діріхле для прихованих тем (LDA)Машинне навчання↔ compare
- Негативне матричне розкладання (NMF)Машинне навчання↔ compare
- Word2VecІнтелектуальний аналіз тексту↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →