Presná definícia
Čo znamená latentná Dirichletova alokácia?
Latentná Dirichletova alokácia (LDA) je generatívny pravdepodobnostný témový model. Pre každý dokument vyberá Dirichletovo rozdelenú zmes tém; každé slovo má latentnú tému a vzniká z tematického rozdelenia slov. Základný model používa bag-of-words a ignoruje poradie slov. Skratka LDA sa nesmie zamieňať s lineárnou diskriminačnou analýzou.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Korpus sa prevedie na počty tokenov s jednotným slovníkom. Počet tém a Dirichletove hyperparametre riadia jemnosť a riedkosť zmesí. Model sa trénuje s viacerými seedmi, pretože označenia tém sú zameniteľné a riešenia môžu byť lokálne. Hodnotí sa held-out perplexita, koherencia a ľudské posúdenie reprezentatívnych dokumentov; nižšia perplexita nemusí znamenať zrozumiteľnejšie témy. Nový dokument dostane posteriornú zmes pri pevnom slovníku, pričom neznáme slová sa musia riešiť explicitne.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako LDA opisuje slovo?
Najprv vyberie tému podľa dokumentu a potom slovo podľa tejto témy.
Berie do úvahy slovosled?
Základná LDA nie; dokument reprezentuje ako bag-of-words.
Načo slúži Dirichletovo rozdelenie?
Je priorom nad pravdepodobnostnými zmesami tém a slov.
Zaručí nižšia perplexita lepšie názvy tém?
Nie. Predikčný fit a ľudská koherencia sa môžu rozchádzať.
Je to lineárna diskriminačná analýza?
Nie. Obe metódy používajú skratku LDA, ale riešia iný problém.