主题提取和文本分类之间的概念区别是什么？
What is the conceptual difference between topic extraction and text categorization?
我很困惑，非常相似的文本挖掘服务有不同的名称，例如主题提取和文本 categorization/classification。它们之间的概念区别是什么？
主题提取示例：
https://www.uclassify.com/browse/uclassify/topics?input=Text
分类示例：
https://dandelion.eu/semantic-text/text-classification-demo/
主题模型方法（主题提取）是无监督方法。所以，你不需要知道每个文档属于什么类别（classes）[https://en.wikipedia.org/wiki/Topic_model]。
Latent Dirichlet allocation (LDA) 是一种主题建模方法。 LDA 将文档划分为主题并为主题分配名称。 [https://en.wikipedia.org/wiki/Latent_Dirichlet_allocation]
主题模型需要的输出簇数与聚类方法相同。但是他们为每个输出集群分配了一个主题名称。
与主题模型方法相反，文档分类方法（分类）是受监督的。因此，他们需要 class 标签。 [https://en.wikipedia.org/wiki/Document_classification]
我很困惑，非常相似的文本挖掘服务有不同的名称，例如主题提取和文本 categorization/classification。它们之间的概念区别是什么？
主题提取示例： https://www.uclassify.com/browse/uclassify/topics?input=Text
分类示例： https://dandelion.eu/semantic-text/text-classification-demo/
主题模型方法（主题提取）是无监督方法。所以，你不需要知道每个文档属于什么类别（classes）[https://en.wikipedia.org/wiki/Topic_model]。 Latent Dirichlet allocation (LDA) 是一种主题建模方法。 LDA 将文档划分为主题并为主题分配名称。 [https://en.wikipedia.org/wiki/Latent_Dirichlet_allocation] 主题模型需要的输出簇数与聚类方法相同。但是他们为每个输出集群分配了一个主题名称。 与主题模型方法相反，文档分类方法（分类）是受监督的。因此，他们需要 class 标签。 [https://en.wikipedia.org/wiki/Document_classification]