Домейн-адаптивен модел на теми на NMF
Domain-adaptive NMF Topic Modeling прилага Неотрицателна Матрична Факторизация (NMF) за откриване на латентни теми в текст от множество домейни, използвайки регуляризация или общи базисни ограничения за прехвърляне на тематични знания от ресурсно-богат изходен домейн към целеви домейн с ограничена маркирана информация. Тя комбинира интерпретируема базирана на части декомпозиция с цели за адаптация към домейни, за да произведе теми, които са едновременно специфични за домейните и съгласувани между домейните.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
- Non-negative matrix factorization. Wikipedia. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/bg/deep-learning/domain-adaptive-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.
- Тематичен модел с ЛДАДълбоко обучение↔ compare
- Тематичен модел с НМФДълбоко обучение↔ compare
- Тематично моделиранеДълбоко обучение↔ compare
- Трансферно обучение с NMF тематичен моделДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →