Trong xử lý ngôn ngữ tự nhiên, phân bổ Dirichlet tiềm ẩn (tiếng Anh: Latent Dirichlet allocation, hay viết tắt LDA) là một mô hình sinh mẫu cho phép các tập quan sát được giải thích bằng các nhóm biến tiềm ẩn lý do tại sao một số phần trong dữ liệu lại giống nhau. Ví dụ, nếu các quan sát là các từ thu thập trong các tài liệu, điều đó giả định mỗi tài liệu là một sự pha trộn của một số lượng chủ đề và mỗi thể hiện từ có tính quy kết cho một trong các chủ đề của tài liệu. LDA là một ví dụ của mô hình chủ đề và thuộc về hộp công cụ học máy và ở nghĩa rộng hơn thuộc về hộp công cụ trí tuệ nhân tạo.
Lịch sử
Với bối cảnh di truyền học quần thể, LDA do Jonathan K. Pritchard, Matthew Stephens (statistician) và Peter Donnelly đề xuất năm 2000. Sau đó, LDA được áp dụng cho Học máy bởi David Blei, Andrew Ng và Michael I. Jordan vào năm 2003.
Trong xử lý ngôn ngữ tự nhiên, **phân bổ Dirichlet tiềm ẩn** (tiếng Anh: **Latent Dirichlet allocation**, hay viết tắt **LDA**) là một mô hình sinh mẫu cho phép các tập quan sát được giải
Trong học máy và xử lý ngôn ngữ tự nhiên, **mô hình phân bổ Pachinko** (tiếng Anh: **pachinko allocation model**, viết tắt là **PAM**) là một mô hình chủ đề. Các mô hình chủ đề
Trong **thị giác máy tính**, **mô hình túi từ** (**bag-of-words model,** mô hình BoW) có thể được áp dụng để phân loại hình ảnh, bằng cách coi các đặc trưng của hình ảnh như từ
thế=Groups of two to twelve dots, showing that the composite numbers of dots (4, 6, 8, 9, 10, and 12) can be arranged into rectangles but the prime numbers cannot|nhỏ| Hợp số có thể được
Trong vật lý và các ngành khoa học khác, một **hệ thống phi tuyến**, trái ngược với một hệ thống tuyến tính, là một hệ thống mà không thỏa mãn nguyên tắc xếp chồng -
**Norbert Wiener** (26 tháng 11 năm 1894 - 18 tháng 3 năm 1964) là một nhà toán học và triết học Mỹ. Ông là Giáo sư Toán học tại MIT. Được biết đến như một