This HTML5 document contains 17 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

PrefixNamespace IRI
category-eshttp://es.dbpedia.org/resource/Categoría:
dcthttp://purl.org/dc/terms/
wikipedia-eshttp://es.wikipedia.org/wiki/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-eshttp://es.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n9http://es.wikipedia.org/wiki/Latent_Dirichlet_Allocation?oldid=124355588&ns=
n6https://www.researchgate.net/publication/
n11http://rdf.freebase.com/ns/m.
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n15http://github.com/nhesusrz/
owlhttp://www.w3.org/2002/07/owl#
n16http://cs.queensu.ca/~sthomas/data/Thomas_2012_SCP.
provhttp://www.w3.org/ns/prov#
n17http://www.linkedin.com/in/
xsdhhttp://www.w3.org/2001/XMLSchema#
dbrhttp://dbpedia.org/resource/
Subject Item
dbpedia-es:Latent_Dirichlet_Allocation
rdfs:label
Latent Dirichlet Allocation
rdfs:comment
En aprendizaje automático, la Asignación Latente de Dirichlet (ALD) o Latent Dirichlet Allocation (LDA) es un modelo generativo que permite que conjuntos de observaciones puedan ser explicados por grupos que explican porqué algunas partes de los datos son similares. Por ejemplo, si las observaciones son palabras en documentos, presupone que cada documento es una mezcla de un pequeño número de categorías (también denominados como tópicos) y la aparición de cada palabra en un documento se debe a una de las categorías a las que el documento pertenece. LDA es un ejemplo de y fue presentado como un modelo en grafo para descubrir categorías por David Blei, Andrew Ng y Michael Jordan en 2002.​
owl:sameAs
n11:0cc726
dct:subject
category-es:Modelos_de_tópicos category-es:Modelos_estadísticos
foaf:isPrimaryTopicOf
wikipedia-es:Latent_Dirichlet_Allocation
dbo:wikiPageID
3744048
dbo:wikiPageRevisionID
124355588
dbo:wikiPageExternalLink
n6:333098963_Geographical_aggregation_of_microblog_posts_for_LDA_topic_modeling n15:thesis n16:pdf n17:nhesusrz
dbo:wikiPageLength
5518
prov:wasDerivedFrom
n9:0
dbo:abstract
En aprendizaje automático, la Asignación Latente de Dirichlet (ALD) o Latent Dirichlet Allocation (LDA) es un modelo generativo que permite que conjuntos de observaciones puedan ser explicados por grupos que explican porqué algunas partes de los datos son similares. Por ejemplo, si las observaciones son palabras en documentos, presupone que cada documento es una mezcla de un pequeño número de categorías (también denominados como tópicos) y la aparición de cada palabra en un documento se debe a una de las categorías a las que el documento pertenece. LDA es un ejemplo de y fue presentado como un modelo en grafo para descubrir categorías por David Blei, Andrew Ng y Michael Jordan en 2002.​
Subject Item
dbr:Latent_Dirichlet_allocation
owl:sameAs
dbpedia-es:Latent_Dirichlet_Allocation
Subject Item
wikipedia-es:Latent_Dirichlet_Allocation
foaf:primaryTopic
dbpedia-es:Latent_Dirichlet_Allocation