Doc2Vec adaptativo al dominio
Doc2Vec adaptativo al dominio adapta el marco Paragraph Vector (Doc2Vec) para que las incrustaciones de documentos aprendidas en un dominio de origen se transfieran eficazmente a un dominio de destino. Al alinear el espacio de representación entre dominios durante o después del entrenamiento, el modelo produce incrustaciones que son informativas en ambos, lo que permite la clasificación, el análisis de sentimientos y la recuperación interdominio con etiquetas limitadas del dominio de destino.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/es/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.
- Doc2VecMinería de texto↔ compare
- Clasificación basada en BERT adaptada al dominioAprendizaje profundo↔ compare
- Embeddings de oraciones adaptados al dominioAprendizaje profundo↔ compare
- Word2Vec adaptado al dominioAprendizaje profundo↔ compare
- Fine-Tuned Doc2VecAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →