Transfer Learning mit LDA-Themenmodell
Transfer Learning mit LDA-Themenmodell wendet Wissen aus einer gut untersuchten Quell-Domäne an, um die Inferenz des Latent Dirichlet Allocation (LDA) auf einer ziel-Domäne mit knappen Daten zu steuern. Durch die Einspeisung von aus der Quelle abgeleiteten Themen-Priors in die Dirichlet-Hyperparameter erzeugt die Methode kohärente, domänenrelevante Themen, selbst wenn der Text der Ziel-Domäne begrenzt ist, und reduziert das Volumen an beschrifteten oder unbeschrifteten Daten, die für aussagekräftige Ergebnisse erforderlich sind.
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
- Chen, Z., Mukherjee, A., Liu, B., Hsu, M., Malas, M., & Wang, S. (2013). Leveraging multi-domain prior knowledge in topic models. In Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence (IJCAI-13), pp. 2071–2077. link ↗
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/de/deep-learning/transfer-learning-with-lda-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.
- Feinabgestimmtes LDA-ThemenmodellDeep Learning↔ compare
- LDA-ThemenmodellDeep Learning↔ compare
- ThemenmodellierungDeep Learning↔ compare
- Transfer Learning mit NMF-ThemenmodellDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →