एनएमएफ टॉपिक मॉडल के साथ ट्रांसफर लर्निंग
एनएमएफ टॉपिक मॉडल के साथ ट्रांसफर लर्निंग, एक लेबल वाले या डेटा-समृद्ध स्रोत डोमेन से ज्ञान को लागू करता है ताकि कम-संसाधन वाले लक्ष्य डोमेन में नॉन-नेगेटिव मैट्रिक्स फैक्टराइजेशन (NMF) टॉपिक खोज को बेहतर बनाया जा सके। स्रोत डोमेन विषयों के साथ एनएमएफ आधार मैट्रिक्स को इनिशियलाइज़ या बाधित करके, मॉडल सुसंगत लक्ष्य विषयों की खोज करता है, भले ही लक्ष्य डोमेन दस्तावेज़ दुर्लभ या बिना लेबल वाले हों।
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
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Transfer Learning with Non-Negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hi/deep-learning/transfer-learning-with-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.
- डोमेन-अनुकूलित एनएमएफ विषय मॉडलगहन अधिगम↔ compare
- एलडीए विषय मॉडलगहन अधिगम↔ compare
- एनएमएफ विषय मॉडलगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare
- LDA विषय मॉडल के साथ स्थानांतरण अधिगम (Transfer Learning with LDA Topic Model)गहन अधिगम↔ compare