Questão 42 — Mineração de Textos — LDA (Ciência de Dados) — Cebraspe · Tribunal de Contas do Estado de Minas Gerais (TCE/MG) 2026

Ciência de Dados Mineração de Textos — LDA

Cebraspe 2026 Superior

Tribunal de Contas do Estado de Minas Gerais (TCE/MG) · Analista de Controle Externo – Especialidade: Ciência da Computação

Gabarito disponível

Assinale a opção correta acerca do modelo LDA (latent dirichlet allocation), amplamente utilizado para extração de tópicos em tarefas de mineração de textos.

Selecione uma alternativa A) O LDA assume que cada documento é gerado por uma combinação de tópicos, e que cada tópico corresponde a uma distribuição de probabilidade sobre palavras. B) O LDA é um modelo supervisionado que aprende tópicos por meio de documentos previamente rotulados. C) No LDA, cada documento pertence a um único tópico, que deve ser explicitamente indicado pelo modelo. D) O LDA utiliza variáveis latentes que podem ser estimadas diretamente a partir das frequências observadas, sem necessidade de inferência probabilística. E) O LDA gera automaticamente o número ideal de tópicos com base em máxima verossimilhança, sem necessidade de definição prévia.

Resolução comentada

No LDA, documentos são misturas de tópicos e tópicos são distribuições sobre palavras.

O LDA é um modelo probabilístico generativo, não supervisionado, em que cada documento é uma mistura de tópicos e cada tópico é uma distribuição de probabilidade sobre o vocabulário.

Análise das alternativas

B) É não supervisionado, não usa rótulos. C) Cada documento tem uma mistura de tópicos, não um só. D) Requer inferência (variacional ou amostragem de Gibbs) para estimar as variáveis latentes. E) O número de tópicos é hiperparâmetro definido previamente.

Referência: Blei, Ng e Jordan (2003) — Latent Dirichlet Allocation.

Resolução comentada do VaiConcursos.