Model Topik NMF Adaptif Domain
Pemodelan Topik NMF Adaptif Domain menerapkan Faktorisasi Matriks Non-negatif untuk menemukan topik laten di berbagai domain teks, menggunakan regularisasi atau kendala basis bersama untuk mentransfer pengetahuan topik dari domain sumber yang kaya sumber daya ke domain target dengan data berlabel terbatas. Ini menggabungkan dekomposisi berbasis bagian yang dapat diinterpretasikan dengan tujuan adaptasi domain untuk menghasilkan topik yang spesifik domain dan konsisten lintas domain.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/id/deep-learning/domain-adaptive-nmf-topic-model
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Model Topik LDAPembelajaran Mendalam↔ bandingkan
- Model Topik NMFPembelajaran Mendalam↔ bandingkan
- Pemodelan TopikPembelajaran Mendalam↔ bandingkan
- Pembelajaran Transfer dengan Model Topik NMFPembelajaran Mendalam↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →