Mô hình Chủ đề LDA Tự giám sát
LDA Tự giám sát kết hợp khuôn khổ sinh xác suất của Phân bổ Dirichlet Ẩn (Latent Dirichlet Allocation - LDA) với các tín hiệu tiền huấn luyện tự giám sát — như dự đoán từ bị che hoặc mục tiêu tài liệu tương phản — để hướng dẫn khám phá chủ đề mà không yêu cầu dữ liệu huấn luyện được gán nhãn thủ công. Kết quả là các biểu diễn chủ đề vừa được neo giữ trong thống kê phân phối vừa được làm phong phú bởi cấu trúc ngôn ngữ học được học từ văn bản thô.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
- Meng, Y., Huang, J., Zhang, Y., & Han, J. (2022). Topic Discovery via Latent Space Clustering of Pretrained Language Model Representations. Proceedings of WWW 2022, ACM. DOI: 10.1145/3485447.3512034 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Self-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/vi/deep-learning/self-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.
- Phân loại dựa trên BERTHọc sâu↔ compare
- Mô hình Chủ đề LDAHọc sâu↔ compare
- Mô hình Chủ đề NMFHọc sâu↔ compare
- Mô hình Chủ đề LDA Bán Giám sátHọc sâu↔ compare
- Nhúng câu (Sentence Embeddings)Học sâu↔ compare
- Topic Modeling (Mô hình hóa chủ đề)Học sâu↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →