Transfer Learning with LDA Topic Model
Transfer Learning with LDA Topic Model primjenjuje znanje iz dobro proučenog izvornog domenâ za vođenje Latent Dirichlet Allocation (LDA) inferencije na ciljnom domenâ s oskudnim podacima. Ubrizgavanjem priorsâ izvedenih iz izvornog domenâ u Dirichletove hiperparametre, metoda proizvodi koherentne, domenâ-relevantne teme čak i kada je tekst ciljnog domenâ ograničen, smanjujući količinu označenih ili neoznačenih podataka potrebnih za smislene rezultate.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/hr/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.
- Prilagođeni model tema LDADuboko učenje↔ compare
- LDA model temaDuboko učenje↔ compare
- Modeliranje temaDuboko učenje↔ compare
- Prenosno učenje s NMF modelom temaDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →