Transfer Learning med Topic Modeling
Transfer Learning med Topic Modeling tilpasser emnestrukturer, der er opdaget på et stort eller velannoteret kildesæt (source corpus), til et relateret, men distinkt måldomæne (target domain), hvor annoterede data eller store tekstmængder er knappe. Ved at genbruge emneprioriteter eller forudtrænede indlejringer (embeddings) fra kildedomænet som initialisering, producerer metoden rigere, mere sammenhængende emner i måldomænet end ved træning fra bunden.
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
- 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 ↗
- Topic model. Wikipedia. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning with Topic Modeling (Cross-Domain Topic Adaptation). ScholarGate. https://scholargate.app/da/deep-learning/transfer-learning-with-topic-modeling
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.
- BERT-baseret klassifikationDyb læring↔ compare
- Finetunet emnemodelleringDyb læring↔ compare
- LDA Emne-modelDyb læring↔ compare
- NMF Emne-modelDyb læring↔ compare
- SætningsindlejringerDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →