LDA विषय मॉडल के साथ स्थानांतरण अधिगम (Transfer Learning with LDA Topic Model)
LDA विषय मॉडल के साथ स्थानांतरण अधिगम (Transfer Learning with LDA Topic Model) एक सु-अध्ययनित स्रोत डोमेन से ज्ञान का उपयोग करके डेटा-दुर्लभ लक्ष्य डोमेन पर अव्यक्त डिरिचलेट आवंटन (Latent Dirichlet Allocation - LDA) अनुमान का मार्गदर्शन करता है। स्रोत-व्युत्पन्न विषय पूर्व ज्ञान (topic priors) को डिरिचलेट अतिप्राचल (Dirichlet hyperparameters) में डालकर, यह विधि लक्ष्य-डोमेन पाठ सीमित होने पर भी सुसंगत, डोमेन-प्रासंगिक विषय उत्पन्न करती है, जिससे सार्थक परिणामों के लिए आवश्यक लेबल या बिना लेबल वाले डेटा की मात्रा कम हो जाती है।
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
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/hi/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.
- फाइन-ट्यून्ड एलडीए टॉपिक मॉडलगहन अधिगम↔ compare
- एलडीए विषय मॉडलगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare
- एनएमएफ टॉपिक मॉडल के साथ ट्रांसफर लर्निंगगहन अधिगम↔ compare