مدل موضوعی NMF با انطباق دامنه
مدل موضوعی NMF با انطباق دامنه (Domain-adaptive NMF Topic Model) از تجزیه ماتریس غیرمنفی (Non-negative Matrix Factorization - NMF) برای کشف موضوعات پنهان در متون چندین دامنه استفاده میکند. این روش با بهکارگیری منظمسازی (regularization) یا محدودیتهای پایه مشترک (shared basis constraints)، دانش موضوعی را از یک دامنه منبع غنی از منابع به یک دامنه هدف با دادههای برچسبدار محدود منتقل میکند. این رویکرد، تجزیه قابل تفسیر مبتنی بر اجزا را با اهداف انطباق دامنه ترکیب میکند تا موضوعاتی تولید کند که هم خاص دامنه و هم سازگار بین دامنهها باشند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/fa/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.
- مدل موضوعی LDAیادگیری عمیق↔ compare
- مدل موضوعی NMFیادگیری عمیق↔ compare
- مدلسازی موضوعییادگیری عمیق↔ compare
- یادگیری انتقالی با مدل موضوعی NMFیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →