Phân bổ Dirichlet ẩn (LDA)
Phân bổ Dirichlet ẩn (LDA) là một mô hình xác suất sinh cho các tập dữ liệu rời rạc, được giới thiệu bởi Blei, Ng và Jordan vào năm 2003. Nó coi mỗi tài liệu là một hỗn hợp các chủ đề ẩn và mỗi chủ đề là một phân phối xác suất trên các từ, cho phép khám phá cấu trúc chủ đề tiềm ẩn trên các kho văn bản lớn một cách không giám sát. Đây là một trong những bài báo được trích dẫn nhiều nhất trong học máy và xử lý ngôn ngữ tự nhiên.
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. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/vi/machine-learning/latent-dirichlet-allocation
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 cụm K-MeansHọc máy↔ compare
- Phân tích ma trận không âm (NMF)Học máy↔ compare
- Word2VecKhai phá văn bản↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →