Prilagodljivi NMF model tema
Prilagodljivi NMF model tema primjenjuje nenegativnu matričnu faktorizaciju (NMF) za otkrivanje latentnih tema u tekstovima iz više domena, koristeći regularizaciju ili ograničenja zajedničke baze za prijenos znanja o temama iz domene bogate izvorima u ciljnu domenu s ograničenim označenim podacima. Kombinira interpretativnu dekompoziciju utemeljenu na dijelovima s ciljevima prilagodbe domene kako bi se proizvele teme koje su specifične za domenu i dosljedne među domenama.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hr/deep-learning/domain-adaptive-nmf-topic-model
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- LDA model temaDuboko učenje↔ usporedi
- Model tema nenegativne faktorizacije matriceDuboko učenje↔ usporedi
- Modeliranje temaDuboko učenje↔ usporedi
- Prenosno učenje s NMF modelom temaDuboko učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →