Aprendizaje por Transferencia con Modelo de Tópicos LDA
El Aprendizaje por Transferencia con Modelo de Tópicos LDA aplica conocimiento de un dominio fuente bien estudiado para guiar la inferencia del Modelo de Dirichlet Latente (LDA) en un dominio objetivo con escasez de datos. Al inyectar priors de tópicos derivados de la fuente en los hiperparámetros de Dirichlet, el método produce tópicos coherentes y relevantes para el dominio, incluso cuando el texto del dominio objetivo es limitado, reduciendo el volumen de datos etiquetados o no etiquetados necesarios para obtener resultados significativos.
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
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/es/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.
- Modelo de Tópicos LDA Ajustado FinamenteAprendizaje profundo↔ compare
- Modelo de Tópicos LDAAprendizaje profundo↔ compare
- Modelado de TemasAprendizaje profundo↔ compare
- Aprendizaje por Transferencia con Modelo de Tópicos NMFAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →