Innehållsförteckning:

Hur använder du latent Dirichlet-allokering?
Hur använder du latent Dirichlet-allokering?

Video: Hur använder du latent Dirichlet-allokering?

Video: Hur använder du latent Dirichlet-allokering?
Video: Latent Dirichlet Allocation (Part 1 of 2) 2024, Maj
Anonim

Vad är LDA?

  1. Välj din unika uppsättning delar.
  2. Välj hur många kompositer du vill ha.
  3. Välj hur många delar du vill ha per komposit (prov från en Poisson distribution ).
  4. Välj hur många ämnen (kategorier) du vill ha.
  5. Välj ett tal mellan inte-noll och positiv oändlighet och kalla det alfa.

På samma sätt kan du fråga dig, är Latent Dirichlet Allocation maskininlärning?

Latent Dirichlet-tilldelning ( LDA ) är en generativ probabilistisk modell av en korpus. Grundtanken är att dokument representeras som slumpmässiga blandningar latent ämnen, där varje ämne kännetecknas av en fördelning över ord.

På samma sätt, hur fungerar LDA-ämnesmodellering? LDA förutsätter att dokument produceras från en blandning av ämnen. Dessa ämnen genererar sedan ord baserat på deras sannolikhetsfördelning. Med tanke på en datauppsättning av dokument, LDA backar och försöker lista ut vilka ämnen skulle skapa dessa dokument i första hand. LDA är en matrisfaktoriseringsteknik.

Med hänsyn till detta, hur uttalar man latent Dirichlet-allokering?

"ch" kan uttalas som ett "sh"-ljud eller ett hårt "k"-ljud. Och slutet "et" kan uttalas på franskt sätt som "lay" eller som "låt" med ett hårt "t"-ljud. Latent Dirichlet-tilldelning förklarades först i en forskningsartikel från 2003, men som de flesta tekniker publicerades nyckelidéerna tidigare.

Är Latent Dirichlet Allocation övervakad eller oövervakad?

Just det LDA är en oövervakad metod. Den skulle dock kunna utvidgas till en övervakas ett.

Rekommenderad: