Domain-adaptive Doc2Vec
Domain-adaptive Doc2Vec passt das Framework des Paragraph Vector (Doc2Vec) an, sodass Dokumenteneinbettungen, die in einer Quell-Domäne gelernt wurden, effektiv auf eine Ziel-Domäne übertragen werden. Durch die Ausrichtung des Repräsentationsraums über Domänen hinweg während oder nach dem Training erzeugt das Modell Einbettungen, die in beiden Domänen informativ sind und Cross-Domain-Klassifizierung, Sentimentanalyse und Retrieval mit begrenzten Ziel-Domänen-Labels ermöglichen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/de/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.
- Doc2VecText Mining↔ compare
- Domänenadaptives BERT-basiertes KlassifizierenDeep Learning↔ compare
- Domänenadaptive Satz-EinbettungenDeep Learning↔ compare
- Domänenadaptives Word2VecDeep Learning↔ compare
- Fine-Tuned Doc2VecDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →