Latent Dirichlet Allocation (LDA) i

Latent Dirichlet Allocation (LDA) is Latent Dirichlet Allocation is a powerful learning al- gorithm for automatically clustering words and documents into topics [5]. Another way to view a topic model is as a generalization of a mixture model like Dirichlet Process Cluster- ing. Starting from a normal mixture model, in which we have a single global mixture of several distributions, we instead say that each document has its own mixture distribution over the globally shared mixture components. Operationally in Dirichlet Process Clustering, each document has its own latent variable drawn from a global mixture that specifies which model it belongs to, while in LDA each word in each document has its own parameter drawn from a document-wide mixture. Another way to view a topic model is as a generalization of a mixture model like Dirichlet Process Clustering . Starting from a normal mixture model, in which we have a single global mixture of several distributions, we instead say that each document has its own mixture distribution over the globally shared mixture components. Operationally in Dirichlet Process Clustering, each document has its own latent variable drawn from a global mixture that specifies which model it belongs to, while in LDA each word in each document has its own parameter drawn from a document-wide mixture. The idea is that we use a prob- abilistic mixture of a number of models that we use to explain some observed data. Each observed data point is assumed to have come from one of the models in the mixture, but we don’t know which. The way we deal with that is to use a so-called latent parameter which specifies which model each data point came from.

ผลลัพธ์ (ไทย) 2:

แฝง Dirichlet จัดสรร (LDA) เป็นแฝงจัดสรร Dirichlet คือการเรียนรู้ที่มีประสิทธิภาพอั gorithm สำหรับการจัดกลุ่มโดยอัตโนมัติคำพูดและเอกสารในหัวข้อ [5] วิธีการดูรูปแบบหัวข้อก็คือเป็นลักษณะทั่วไปของรูปแบบผสมเช่น Dirichlet กระบวนการ Cluster- ไอเอ็นจี เริ่มจากรูปแบบผสมปกติในการที่เรามีส่วนผสมเดียวทั่วโลกของการกระจายหลายเราแทนที่จะบอกว่าแต่ละคนมีการกระจายเอกสารที่มีส่วนผสมของตัวเองในช่วงที่ใช้ร่วมกันทั่วโลกส่วนประกอบผสม การดำเนินงานในการจัดกลุ่มกระบวนการ Dirichlet แต่ละเอกสารที่มีตัวแปรแฝงของตัวเองมาจากส่วนผสมทั่วโลกที่ระบุรูปแบบที่มันเป็นในขณะที่ใน LDA คำในเอกสารแต่ละแต่ละพารามิเตอร์ของตัวเองมาจากส่วนผสมเอกสารกว้าง วิธีการดูรูปแบบหัวข้อก็คือเป็นลักษณะทั่วไปของรูปแบบผสมเช่น Dirichlet กระบวนการกลุ่ม เริ่มจากรูปแบบผสมปกติในการที่เรามีส่วนผสมเดียวทั่วโลกของการกระจายหลายเราแทนที่จะบอกว่าแต่ละคนมีการกระจายเอกสารที่มีส่วนผสมของตัวเองในช่วงที่ใช้ร่วมกันทั่วโลกส่วนประกอบผสม การดำเนินงานในการจัดกลุ่มกระบวนการ Dirichlet แต่ละเอกสารที่มีตัวแปรแฝงของตัวเองมาจากส่วนผสมทั่วโลกที่ระบุรูปแบบที่มันเป็นในขณะที่ใน LDA คำในเอกสารแต่ละแต่ละพารามิเตอร์ของตัวเองมาจากส่วนผสมเอกสารกว้าง ความคิดคือการที่เราใช้เป็นส่วนผสมของการกำหนดปัญหาที่ abilistic จำนวนของรูปแบบที่เราใช้เพื่ออธิบายบางสังเกตข้อมูล แต่ละจุดข้อมูลที่สังเกตจะถือว่าได้มาจากหนึ่งในรูปแบบในการผสม แต่เราไม่ทราบว่า วิธีที่เราจัดการกับที่คือการใช้สิ่งที่เรียกว่าพารามิเตอร์แฝงซึ่งระบุรูปแบบที่แต่ละจุดข้อมูลมาจาก

ผลลัพธ์ (ไทย) 3:

จัดสรรดีริชเลต์แฝง ( lda ) จัดสรรดีริชเลต์แฝงคือ การเรียนรู้ที่มีประสิทธิภาพอัล - gorithm โดยอัตโนมัติสำหรับคำและเอกสารในหัวข้อ [ 5 ] อีกวิธีที่จะดูหัวข้อรูปแบบเป็นการผสมรูปแบบของคลัสเตอร์อุตสาหกรรมกระบวนการดีริชเลต์ . เริ่มจากผสมแบบปกติ ซึ่งเรามีส่วนผสมเดียวกันทั่วโลกหลายการแจกแจงเราแทนว่าเอกสารแต่ละมีการกระจายส่วนผสมของตัวเองไปทั่วโลกใช้ส่วนผสมส่วนประกอบ operationally in ของตัวเอง dirichlet จัง ปลดปล่อย each has its own latent ระทํอนุญาต from a global ยวก specifies which model ที่วิคกี้โดยจะ in lda each พาไปปลดปล่อย each has its own parameter drawn from a document mixture เป็นอย่างยิ่งในอีกวิธีที่จะดูหัวข้อรูปแบบเป็นการผสมรูปแบบของกระบวนการกลุ่ม ดีริชเลต์ . เริ่มจากผสมแบบปกติ ซึ่งเรามีส่วนผสมเดียวกันทั่วโลกหลายแบบ เราแทนว่าเอกสารแต่ละมีการกระจายส่วนผสมของตัวเองไปทั่วโลกใช้ส่วนผสมส่วนประกอบ ดีดีริชเลต์ในกระบวนการ การเข้ากลุ่มdocument each has its own latent ระทํอนุญาต from a global ยวก specifies which model ที่วิคกี้โดยจะ in lda each พาไปปลดปล่อย each has its own parameter drawn from a document mixture เป็นอย่างยิ่งใน ความคิดที่เราใช้เป็นพร็อพ - abilistic ส่วนผสมของรุ่นที่เราใช้เพื่ออธิบายบางข้อมูล .ข้อมูลแต่ละจุดก็สันนิษฐานว่ามีที่มาจากรุ่นหนึ่งในส่วนผสม แต่เราไม่รู้ว่าอันไหน วิธีที่เราจัดการกับมันคือการใช้พารามิเตอร์ที่เรียกว่าแฝงซึ่งกำหนดรูปแบบซึ่งแต่ละจุดข้อมูลที่จากมา