Слабокерована тематична модель LDA
Слабокерований LDA (Weakly Supervised LDA) є розширенням моделі прихованого розподілу Діріхле (Latent Dirichlet Allocation, LDA), яке інтегрує легке людське керівництво — зазвичай, ключові слова або обмеження типу «повинно бути пов'язане»/«не може бути пов'язане» — у апріорні розподіли Діріхле, спрямовуючи вивчені теми до значущих у домені тем без необхідності повністю розмічених документів. Цей підхід знаходиться між повністю некерованою LDA та керованою класифікацією, що робить його добре придатним для ситуацій, де розмітка тисяч документів є непрактичною.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/uk/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.
- Тематична модель LDAГлибоке навчання↔ compare
- Тема моделі NMFГлибоке навчання↔ compare
- Напівкерована модель тем LDAГлибоке навчання↔ compare
- Векторні представлення реченьГлибоке навчання↔ compare
- Тематичне моделюванняГлибоке навчання↔ compare
- Слабоконтрольована класифікація на основі BERTГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →