Topic model: differenze tra le versioni
fix |
fix |
||
| Riga 6: | Riga 6: | ||
== Topic models in altri contesti == |
== Topic models in altri contesti == |
||
I topic models vengono utilizzati anche in altri contesti. Ad esempio, sono emersi utilizzi di topic models in biologia e bioinformatica<ref>{{Cita pubblicazione|autore=Liu, L.|autore2=Tang, L.|anno=2016|titolo=An overview of topic modeling and its current applications in bioinformatics|rivista=SpringerPlus|volume=5|p=1608|doi=10.1186/s40064-016-3252-8|PMID=27652181}}</ref>. In questo caso gli argomenti da inferire sono variabili biologiche, come funzioni o processi cellulari. Recentemente è stato proposto di utilizzare topic model per studiare dati di RNA-Sequencing di sample di tumori.<ref>{{Cita pubblicazione|nome=Filippo|cognome=Valle|nome2=Matteo|cognome2=Osella|nome3=Michele|cognome3=Caselle|data=2020-10-21|titolo=A Topic model analysis of TCGA transcriptomic data|rivista=bioRxiv|pp=2020.10.19.345694|lingua=en|accesso=2020-10-21|doi=10.1101/2020.10.19.345694|url=https://www.biorxiv.org/content/10.1101/2020.10.19.345694v1}}</ref> |
I topic models vengono utilizzati anche in altri contesti. Ad esempio, sono emersi utilizzi di topic models in biologia e bioinformatica<ref>{{Cita pubblicazione|autore=Liu, L.|autore2=Tang, L.|anno=2016|titolo=An overview of topic modeling and its current applications in bioinformatics|rivista=SpringerPlus|volume=5|p=1608|doi=10.1186/s40064-016-3252-8|PMID=27652181}}</ref>. In questo caso gli argomenti da inferire sono variabili biologiche, come funzioni o processi cellulari. Recentemente è stato proposto di utilizzare topic model per studiare dati di RNA-Sequencing di sample di tumori.<ref>{{Cita pubblicazione|nome=Filippo|cognome=Valle|nome2=Matteo|cognome2=Osella|nome3=Michele|cognome3=Caselle|data=2020-10-21|titolo=A Topic model analysis of TCGA transcriptomic data|rivista=bioRxiv|pp=2020.10.19.345694|lingua=en|accesso=2020-10-21|doi=10.1101/2020.10.19.345694|url=https://www.biorxiv.org/content/10.1101/2020.10.19.345694v1}}</ref> |
||
== Note == |
|||
<references/> |
|||
[[Categoria:Linguistica]] |
[[Categoria:Linguistica]] |
||
[[Categoria:Variabili latenti]] |
|||
Versione delle 12:09, 26 ott 2020
Nell'apprendimento automatico e nell'elaborazione del linguaggio naturale, un topic model è un tipo di modello statistico per scoprire gli "argomenti" (topic) astratti che si verificano in una raccolta di documenti. Questi vengono frequentemente utilizzati per la scoperta di strutture semantiche nascoste in un testo o in una raccolta di testi. Intuitivamente, dato che un documento riguarda un argomento particolare, ci si aspetterebbe che nel documento compaiano parole particolari più o meno frequentemente: "cane" e "osso" appariranno più spesso nei documenti sui cani, "gatto" e "miagolio" appariranno nei documenti sui gatti e "il" e "è" appariranno approssimativamente allo stesso modo in entrambi. Un documento in genere riguarda più argomenti in proporzioni diverse; quindi, in un documento che parla del 10% di gatti e del 90% di cani, ci sarebbero probabilmente circa 9 volte più parole di cane rispetto a parole di gatto. Questi algoritmi cercano gruppi di parole simili. Un modello di argomento cattura questa intuizione in un quadro matematico, che consente di esaminare una serie di documenti e scoprire, sulla base delle statistiche delle parole in ciascuno, quali potrebbero essere gli argomenti e qual è l'equilibrio degli argomenti di ciascun documento.
I topic models sono considerati probabilistici, considerato che si riferiscono ad algoritmi statistici per scoprire le strutture latenti. I topic models sono stati utilizzati per rilevare strutture istruttive in dati come informazioni genetiche, immagini e reti. Hanno anche applicazioni in altri campi come la bioinformatica[1] e la visione artificiale[2].
Topic models in altri contesti
I topic models vengono utilizzati anche in altri contesti. Ad esempio, sono emersi utilizzi di topic models in biologia e bioinformatica[3]. In questo caso gli argomenti da inferire sono variabili biologiche, come funzioni o processi cellulari. Recentemente è stato proposto di utilizzare topic model per studiare dati di RNA-Sequencing di sample di tumori.[4]
Note
- ^ David Blei, Probabilistic Topic Models, in Communications of the ACM, vol. 55, n. 4, April 2012, pp. 77–84, DOI:10.1145/2133806.2133826.
- ^ Cao, Liangliang, and Li Fei-Fei. "Spatially coherent latent topic model for concurrent segmentation and classification of objects and scenes." 2007 IEEE 11th International Conference on Computer Vision. IEEE, 2007.
- ^ Liu, L. e Tang, L., An overview of topic modeling and its current applications in bioinformatics, in SpringerPlus, vol. 5, 2016, p. 1608, DOI:10.1186/s40064-016-3252-8, PMID 27652181.
- ^ (EN) Filippo Valle, Matteo Osella e Michele Caselle, A Topic model analysis of TCGA transcriptomic data, in bioRxiv, 21 ottobre 2020, pp. 2020.10.19.345694, DOI:10.1101/2020.10.19.345694. URL consultato il 21 ottobre 2020.