Domæne-adaptiv Doc2Vec
Domæne-adaptiv Doc2Vec tilpasser Paragraph Vector (Doc2Vec)-rammeværket, så dokument-indlejringer, der er lært på et kildedomæne, effektivt overføres til et måldomæne. Ved at justere repræsentationsrummet på tværs af domæner under eller efter træning producerer modellen indlejringer, der er informative på begge, hvilket muliggør klassifikation, sentimentanalyse og genfinding på tværs af domæner med begrænsede måldomæne-etiketter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Le, Q. V., & Mikolov, T. (2014). Distributed representations of sentences and documents. Proceedings of the 31st International Conference on Machine Learning (ICML 2014), PMLR 32(2), 1188–1196. link ↗
- Blitzer, J., McDonald, R., & Pereira, F. (2006). Domain adaptation with structural correspondence learning. Proceedings of the 2006 Conference on Empirical Methods in Natural Language Processing (EMNLP 2006), 120–128. DOI: 10.3115/1610075.1610094 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/da/deep-learning/domain-adaptive-doc2vec
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.
- Doc2VecTekstmining↔ compare
- Domæne-adaptiv BERT-baseret klassifikationDyb læring↔ compare
- Domæne-adaptive sætningsindlejringerDyb læring↔ compare
- Domæne-adaptiv Word2VecDyb læring↔ compare
- Finjusteret Doc2VecDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →