מודל נושאים אדפטיבי לתחום מבוסס NMF
מודל נושאים אדפטיבי לתחום מבוסס NMF (Domain-adaptive NMF Topic Model) מיישם פירוק מטריצות לא-שלילי (Non-negative Matrix Factorization - NMF) כדי לגלות נושאים סמויים בטקסטים ממספר תחומים, תוך שימוש ברגולריזציה או באילוצי בסיס משותף להעברת ידע נושאי מתחום מקור עשיר במשאבים לתחום יעד עם נתונים מתויגים מוגבלים. הוא משלב פירוק מבוסס-חלקים בר-פרשנות עם מטרות אדפטיביות לתחום כדי להפיק נושאים שהם ספציפיים לתחום ועקביים בין-תחומיים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/he/deep-learning/domain-adaptive-nmf-topic-model
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- מודל נושאים LDAלמידה עמוקה↔ השוואה
- מודל נושאים NMFלמידה עמוקה↔ השוואה
- מידול נושאיםלמידה עמוקה↔ השוואה
- למידת העברה עם מודל נושאים NMFלמידה עמוקה↔ השוואה