The Latent Dirichlet Allocation (LD

The Latent Dirichlet Allocation (LDA) model, which comes from the machine
learning community, models documents as a mixture of topics. A topic is a language
model, just as we defined previously. In a retrieval model such as query likelihood,each document is assumed to be associated with a single topic. There are,
in effect, as many topics as there are documents in the collection. In the LDA approach,
in contrast, the assumption is that there is a fixed number of underlying
(or latent) topics that can be used to describe the contents of documents. Each
document is represented as a mixture of these topics, which achieves a smoothing
effect that is similar to LSI. In the LDA model, a document is generated by first
picking a distribution over topics, and then, for the next word in the document,
we choose a topic and generate a word from that topic.

ผลลัพธ์ (ไทย) 1:

รูปแบบการปันส่วน Dirichlet แฝง (LDA) ซึ่งมาจากเครื่องการเรียนรู้ชุมชน เอกสารรุ่นที่เป็นส่วนผสมของหัวข้อ หัวข้อเป็นภาษารุ่น เพียงแค่ ตามที่เรากำหนดไว้ก่อนหน้านี้ ในรูปแบบเรียกเช่นสอบถามความเป็นไปได้ แต่ละเอกสารจะสันนิษฐานจะเกี่ยวข้องกับหัวข้อเดียว มีหัวข้อมากเนื่องจากมีมีเอกสารในการเก็บรวบรวมผล วิธี LDAตรงกันข้าม อัสสัมชัญคือการ ที่มีจำนวนคงที่ของต้น(หรือแฝง) หัวข้อที่สามารถใช้เพื่ออธิบายเนื้อหาของเอกสาร แต่ละเอกสารจะแสดงเป็นส่วนผสมของหัวข้อเหล่านี้ ซึ่งได้รับการปรับให้เรียบผลที่คล้ายกับ LSI ในรูปแบบ LDA เอกสารถูกสร้างขึ้น โดยครั้งแรกการกระจายการเบิกสินค้า ผ่านหัวข้อ แล้ว สำหรับคำถัดไปในเอกสารเราเลือกหัวข้อ และสร้างคำจากหัวข้อ

ผลลัพธ์ (ไทย) 2:

แฝง Dirichlet จัดสรร (LDA) รุ่นที่มาจากเครื่อง
ชุมชนการเรียนรู้เอกสารรุ่นที่เป็นส่วนผสมของหัวข้อ หัวข้อเป็นภาษาที่
รุ่นเดียวกับที่เรากำหนดไว้ก่อนหน้า ในรูปแบบการดึงเช่นโอกาสในการค้นหาเอกสารแต่ละจะถือว่าเกี่ยวข้องกับหัวข้อเดียว ยังมี
ผลในหัวข้อที่มากที่สุดเท่าที่มีเอกสารในการเก็บรวบรวม ในวิธีการ LDA,
ในทางตรงกันข้ามสมมติฐานคือว่ามีจำนวนคงที่ของพื้นฐาน
(หรือแฝง) หัวข้อที่สามารถนำมาใช้เพื่ออธิบายเนื้อหาของเอกสาร แต่ละ
เอกสารจะแสดงเป็นส่วนผสมของหัวข้อเหล่านี้ซึ่งประสบความสำเร็จในการปรับให้เรียบ
ผลที่คล้ายกับ LSI ในรูปแบบ LDA เอกสารที่ถูกสร้างขึ้นเป็นครั้งแรกโดย
การเลือกการจัดจำหน่ายมากกว่าหัวข้อแล้วสำหรับคำถัดไปในเอกสาร
ที่เราเลือกหัวข้อและสร้างคำจากหัวข้อว่า

ผลลัพธ์ (ไทย) 3:

การจัดสรรดีริชเลต์แฝง ( lda ) รุ่นที่มาจากเครื่องชุมชนแห่งการเรียนรู้ , รูปแบบเอกสารที่เป็นส่วนผสมของหัวข้อ หัวข้อที่เป็นภาษารูปแบบตามที่เรากำหนดไว้ก่อนหน้านี้ ในการดึงรูปแบบเช่นโอกาสสืบค้นเอกสารแต่ละคนจะถือว่ามีความเกี่ยวข้องกับหัวข้อเดียว มีผล เป็นหลายหัวข้อตามที่มีอยู่ในเอกสารคอลเลกชัน ใน lda วิธีการในทางตรงกันข้าม สันนิษฐานว่ามีการแก้ไขตัวเลขของพื้นฐาน( หรือแฝง ) หัวข้อที่สามารถใช้เพื่ออธิบายเนื้อหาของเอกสาร แต่ละเอกสารแสดงเป็นส่วนผสมของหัวข้อนี้ ซึ่งใช้การปรับให้เรียบผลที่คล้ายคลึงกับ LSI . ใน lda รูปแบบเอกสารที่ถูกสร้างขึ้นโดยใช้รับกระจายสินค้าทั่วหัวข้อ แล้ว สําหรับคําต่อไปในเอกสารเราเลือกหัวข้อและสร้างคำ จากหัวข้อที่