Um analista do TCU gostaria de aplicar um modelo de Latent Dirichlet Allocation (LDA) em um conjunto de textos. A alternativa que melhor descreve o resultado do modelo é: A) uma lista de tópicos, cada um com um título diferente; B) uma lista das palavras mais importantes no conjunto de documentos; C) cada documento é classificado em somente um tópico, onde cada tópico é formado por uma lista de palavras; D) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde cada tópico é formado por uma lista de palavras e cada palavra pertence a somente um tópico; E) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde cada tópico é formado por uma distribuição de probabilidade sobre todas as palavras presentes nos documentos.

E) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde cada tópico é formado por uma distribuição de probabilidade sobre todas as palavras presentes nos documentos.

Questões Banco de Dados

Um analista do TCU gostaria de aplicar um modelo de Latent Dirichlet Allocation (LDA) e...

Responda: Um analista do TCU gostaria de aplicar um modelo de Latent Dirichlet Allocation (LDA) em um conjunto de textos. A alternativa que melhor descreve o resultado do modelo é:

1Q966344 | Banco de Dados, Auditor Federal de Controle Externo, TCU, FGV, 2022

Um analista do TCU gostaria de aplicar um modelo de Latent Dirichlet Allocation (LDA) em um conjunto de textos. A alternativa que melhor descreve o resultado do modelo é:

✂️ a) uma lista de tópicos, cada um com um título diferente;
✂️ b) uma lista das palavras mais importantes no conjunto de documentos;
✂️ c) cada documento é classificado em somente um tópico, onde cada tópico é formado por uma lista de palavras;
✂️ d) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde cada tópico é formado por uma lista de palavras e cada palavra pertence a somente um tópico;
✂️ e) cada documento possui uma distribuição de probabilidade de pertencer a algum dos tópicos, onde cada tópico é formado por uma distribuição de probabilidade sobre todas as palavras presentes nos documentos.