การสร้างแบบจำลองหัวข้อ

It turns a messy pile of text into a handful of interpretable topics, each described by the words that define it.

ลองนึกภาพการสืบทอดบทความข่าวนับล้านบทความโดยไม่มีหมวดหมู่ การสร้างแบบจำลองหัวข้อจะอ่านข้อมูลเหล่านี้ในเชิงสถิติและเสนอชุดหัวข้อ โดยที่แต่ละหัวข้อเป็นเพียงการกระจายความน่าจะเป็นของคำต่างๆ หัวข้อหนึ่งอาจทำให้การเลือกตั้ง การลงคะแนนเสียง และวุฒิสภามีน้ำหนักมาก อีกอันสำหรับการทำประตู การแข่งขัน และกองหน้า สิ่งสำคัญอย่างยิ่งคือ เอกสารแต่ละฉบับถือเป็นหัวข้อที่ผสมกัน ดังนั้นบทความเดียวอาจเป็นเรื่องการเมือง 70 เปอร์เซ็นต์และเศรษฐศาสตร์ 30 เปอร์เซ็นต์ วิธีการที่มีชื่อเสียงที่สุด นั่นคือ Latent Dirichlet Allocation (LDA) ซึ่งนำมาใช้โดย Blei, Ng และ Jordan ในปี 2003 โดยถือว่าเอกสารถูกสร้างขึ้นโดยการเลือกหัวข้อผสมก่อน จากนั้นจึงวาดคำจากหัวข้อเหล่านั้น อัลกอริทึมทำงานย้อนกลับจากคำที่สังเกตเพื่ออนุมานโครงสร้างหัวข้อที่ซ่อนอยู่ ไม่มีการควบคุมดูแล ดังนั้นจึงไม่จำเป็นต้องมีป้ายกำกับการฝึกอบรม แต่มนุษย์จะต้องอ่านคำยอดนิยมเพื่อตั้งชื่อแต่ละหัวข้อ