फाइन-ट्यून्ड टॉपिक मॉडलिंग
फाइन-ट्यून्ड टॉपिक मॉडलिंग प्री-ट्रेंड भाषा मॉडल (जैसे BERT या Sentence-BERT) को डॉक्यूमेंट संग्रह में अव्यक्त विषयों (latent topics) की खोज के लिए अनुकूलित करती है। क्लासिकल संभाव्य विधियों (LDA, NMF) के विपरीत, यह समृद्ध प्रासंगिक एम्बेडिंग का लाभ उठाती है और वैकल्पिक रूप से डोमेन-विशिष्ट कॉर्पोरा पर बैकबोन को फाइन-ट्यून करती है, जिससे विशेष रूप से छोटे टेक्स्ट या विशेष डोमेन पर अधिक सुसंगत और अर्थपूर्ण विषय उत्पन्न होते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Bianchi, F., Terragni, S., Hovy, D., Nozza, D., & Fersini, E. (2021). Cross-lingual Contextualized Topic Models with Zero-shot Learning. Proceedings of the 16th Conference of the European Chapter of the Association for Computational Linguistics, 1676–1683. DOI: 10.18653/v1/2021.eacl-main.143 ↗
- Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Fine-Tuned Neural Topic Modeling with Pre-trained Language Models. ScholarGate. https://scholargate.app/hi/deep-learning/fine-tuned-topic-modeling
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.
- BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- फाइन-ट्यून्ड BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- एलडीए विषय मॉडलगहन अधिगम↔ compare
- एनएमएफ विषय मॉडलगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare