@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix ltk: <http://data.loterre.fr/ark:/67375/LTK> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .
@prefix inist: <http://www.inist.fr/Ontology#> .

<http://data.loterre.fr/ark:/67375/8LP-LXR2N9S7-M>
  skos:prefLabel "supervised latent Dirichlet allocation"@en, "allocation de Dirichlet latente supervisée"@fr ;
  a skos:Concept ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-C61X6KSR-Q> .

<http://data.loterre.fr/ark:/67375/8LP-G7RVWJ4X-S>
  skos:prefLabel "algorithme de modélisation thématique"@fr, "topic modelling algorithm"@en ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-C61X6KSR-Q> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-RTVC3B7T-9>
  skos:prefLabel "algorithme de classification"@fr, "classification algorithm"@en ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-C61X6KSR-Q> .

<http://data.loterre.fr/ark:/67375/8LP-C61X6KSR-Q>
  a skos:Concept ;
  skos:exactMatch <https://www.wikidata.org/wiki/Q269236>, ltk:-DJ9P5BKB-M ;
  skos:definition "A Bayesian network that explains a set of observations through unobserved groups, and each group explains why some parts of the data are similar. (Wikipedia)"@en, "Modèle génératif probabiliste permettant d’expliquer des ensembles d’observations, par le moyen de groupes non observés, eux-mêmes définis par des similarités de données. (Wikipédia)"@fr ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-RTVC3B7T-9>, <http://data.loterre.fr/ark:/67375/8LP-G7RVWJ4X-S> ;
  skos:example "L'approche choisie se fonde sur l'allocation de Dirichlet latente et vise à identifier les contextes métaphoriques dans lesquels un écart sémantique entre le domaine cible et le domaine source est identifiable. (Ganascia & Frontini, 2019)"@fr, "Le modèle prend également en compte les dépendances entre événement et thème en utilisant l'allocation de Dirichlet latente (Blei et al. 2003). (Kodelja, Besançon & Ferret, 2019)"@fr, "Les LDA sont effectuées sur les données de chaque locuteur séparément puis sur celles des deux locuteurs regroupés afin d'examiner l'impact des variations inter-locuteurs. (Mohammad Abuoudeh & Olivier Crouzet, 2022)"@fr, "De nombreux espaces thématiques non supervisés ont été proposés afin de représenter efficacement le contenu d'un dialogue comme l'allocation latente de Dirichlet (Latent Dirichlet Allocation ou LDA) (Blei et al. 2003) et les modèles author-topic (AT) (Rosen-Zvi et al. 2004). (Bouaziz, Morchid, Bousquet, Dufour, Janod, Kheder & Linarès, 2016)"@fr, "We perform Latent Dirichlet Allocation (LDA) across the depression and stress data to identify topical themes. (Aich & Parde, 2022)"@en ;
  skos:altLabel "LDA"@en, "LDA"@fr ;
  dc:modified "2024-05-03T08:01:05"^^xsd:dateTime ;
  skos:hiddenLabel "Latent Dirichlet allocation"@en, "Allocation de Dirichlet latente"@fr ;
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  skos:prefLabel "latent Dirichlet allocation"@en, "allocation de Dirichlet latente"@fr ;
  inist:definitionalContext "Latent Dirichlet allocation (LDA) is a popular topic modeling technique for exploring hidden topics in text corpora. (Yang, Downey & Boyd-Graber, 2015)"@en ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-LXR2N9S7-M> .