Modello di Topic NMF Adattivo al Dominio
Il Modello di Topic NMF Adattivo al Dominio (Domain-adaptive NMF Topic Model) applica la Fattorizzazione di Matrici Non-Negative (Non-negative Matrix Factorization, NMF) per scoprire topic latenti in testi provenienti da domini multipli, utilizzando regolarizzazione o vincoli di base condivisa per trasferire la conoscenza dei topic da un dominio sorgente ricco di risorse a un dominio target con dati etichettati limitati. Combina una decomposizione interpretabile basata su parti con obiettivi di adattamento al dominio per produrre topic che siano sia specifici del dominio sia consistenti tra domini.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/it/deep-learning/domain-adaptive-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.
- Modello di Topic LDAApprendimento profondo↔ compare
- Modello di Topic NMFApprendimento profondo↔ compare
- Topic ModelingApprendimento profondo↔ compare
- Apprendimento per Trasferimento con Modello di Topic NMFApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →