التعلم بالنقل باستخدام نموذج موضوعات NMF
يطبق التعلم بالنقل باستخدام نموذج موضوعات NMF المعرفة من مجال مصدر مُصنّف أو غني بالبيانات لتحسين اكتشاف موضوعات التفكيك المصفوفي غير السالب (NMF) في مجال هدف منخفض الموارد. من خلال تهيئة أو تقييد مصفوفة أساس NMF بموضوعات المجال المصدر، يكتشف النموذج موضوعات هدف متماسكة حتى عندما تكون مستندات المجال الهدف نادرة أو غير مُصنّفة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788–791. DOI: 10.1038/44565 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Transfer Learning with Non-Negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ar/deep-learning/transfer-learning-with-nmf-topic-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- نمذجة الموضوعات بالتحليل العاملي غير السالب المتكيف مع المجالالتعلم العميق↔ compare
- نموذج مواضيع LDAالتعلم العميق↔ compare
- نموذج موضوعات تحليل المصفوفة غير السالبة (NMF)التعلم العميق↔ compare
- نمذجة الموضوعاتالتعلم العميق↔ compare
- تعلم النقل باستخدام نموذج موضوعات LDAالتعلم العميق↔ compare