ScholarGate
助手
Machine learningDeep learning / NLP / CV

主题建模

主题建模是一系列无监督概率技术，用于发现大型文本集合中潜在的主题结构。通过学习哪些词倾向于共现，诸如潜在狄利克雷分配（LDA）之类的模型可以自动涌现出连贯的主题——每个主题都表示为词汇上的一个分布——而无需标注数据。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

Method map

The neighbourhood of related methods — select a node to explore.

主题建模
[需翻译标题：BERT-based Classi…LDA主题模型NMF 主题模型循环神经网络句子嵌入基于方面的情感分析 (ABSA)自动文本评估共现分析跨语言文本分析文档聚类

+22 more

来源

  1. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
  2. Hofmann, T. (1999). Probabilistic Latent Semantic Analysis. Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI), 289–296. link ↗

如何引用本页

ScholarGate. (2026, June 3). Topic Modeling (Probabilistic Latent Semantic Analysis and Latent Dirichlet Allocation). ScholarGate. https://scholargate.app/zh/deep-learning/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.

Compare side by side →

被引用于

基于方面的情感分析 (ABSA)自动文本评估共现分析跨语言文本分析文档聚类域自适应非负矩阵分解主题模型可解释的非负矩阵分解主题模型可解释情感分析可解释主题建模微调LDA主题模型微调主题建模LDA主题模型词汇丰富度多文档摘要多语言主题建模多模态LDA主题模型多模态主题建模NMF 主题模型科学文本挖掘自监督LDA主题模型半监督LDA主题模型半监督NMF主题模型句子嵌入社交媒体自然语言处理文本去重词频分析LDA主题模型迁移学习基于NMF主题模型的迁移学习弱监督LDA主题模型弱监督主题建模

发现本页有问题？报告或提出修改建议 →

ScholarGate — Topic Modeling (Topic Modeling (Probabilistic Latent Semantic Analysis and Latent Dirichlet Allocation)). 于 2026-06-15 检索自 https://scholargate.app/zh/deep-learning/topic-modeling · 数据集： https://doi.org/10.5281/zenodo.20539026