Modèles de sujets probabilistes : Latent Dirichlet Allocation

Cette séance de cours couvre des modèles de sujets probabilistes, en se concentrant sur l'allocation de Dirichlet latente (LDA). Il explique comment LDA modélise des sujets en tant que distributions sur des mots, les documents étant des mélanges de ces sujets. L'instructeur discute des inconvénients de l'indexation sémantique latente probabiliste (PLSI) et introduit LDA comme solution. La séance de cours se penche sur la distribution de Dirichlet, qui est utilisée pour modéliser la distribution des distributions dans LDA. Il explore également l'application de LDA dans le regroupement de documents et ses méthodes d'inférence, telles que MCMC et l'inférence bayésienne variationnelle. Des exemples du corpus TREC-AP sont fournis pour illustrer l'efficacité de LDA dans le regroupement de documents logiciels. La séance de cours se termine en discutant des variantes de LDA, des extensions et de lidée générale de modèles de sujets dans lanalyse de documents.