· 2014
Gizli Dirichlet Dağılımı (LDA) Kararsızlığı ve İyileştirmeleri
Latent dirichlet allocation
- 291atıf
- 2014yıl
Kısa özet
Bu çalışma, Gizli Dirichlet Dağılımı (LDA) konu modellemesindeki kararsızlığı tespit etmekte ve nitel sosyal bilimler analizindeki sınırlamalarını gidermek için yeni bir benzerlik metriği ve kelime hazinesi azaltma kriteri önermektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- LDA konu modellemesi, çıkarım sürecinde kararsızlık göstermektedir.
- Konular arasındaki benzerliği ölçmek için yeni bir metrik önerilmiştir.
- LDA'yı iyileştirmek için kelime hazinesi azaltma kriteri sunulmuştur.
- LDA'nın nitel sosyal bilimler analizleri için sınırlamaları bulunmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Topic modeling, in particular the Latent Dirichlet Allocation (LDA) model, has recently emerged as an important tool for understanding large datasets, in particular, user-generated datasets in social studies of the Web. In this work, we investigate the instability of LDA inference, propose a new metric of similarity between topics and a criterion of vocabulary reduction. We show the limitations of the LDA approach for the purposes of qualitative analysis in social science and sketch some ways for improvement.
Yazarların özeti; kaynağından alınmıştır., 2014 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Genel Sosyal Bilimler
General Social SciencesSocial Sciences