Domeeniadaptiivne NMF-teemamudel
Domeeniadaptiivne NMF-teemamodelleerimine rakendab mitte-negatiivset maatriksite lahutamist (Non-negative Matrix Factorization, NMF), et avastada varjatud teemasid mitme domeeni tekstides, kasutades regulariseerimist või jagatud baasi piiranguid teadmiste ülekandmiseks ressursirohkest lähtedomeenist sihtdomeeni, kus on piiratud hulgal märgistatud andmeid. See ühendab interpreteeritava osadel põhineva dekompositsiooni domeeniadaptsiooni eesmärkidega, et luua teemasid, mis on nii domeenispetsiifilised kui ka domeeniüleselt järjepidevad.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788–791. DOI: 10.1038/44565 ↗
- Non-negative matrix factorization. Wikipedia. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/et/deep-learning/domain-adaptive-nmf-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.
- LDA teemamudelSüvaõpe↔ compare
- NMF teemamudelSüvaõpe↔ compare
- TeemamodelleerimineSüvaõpe↔ compare
- Ülekandeõpe NMF-teemamudeligaSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →