Apprendimento per trasferimento con modello di topic LDA
L'apprendimento per trasferimento con LDA (Latent Dirichlet Allocation) applica la conoscenza da un dominio sorgente ben studiato per guidare l'inferenza di Latent Dirichlet Allocation su un dominio target con scarsità di dati. Iniettando prior derivati dalla sorgente negli iperparametri di Dirichlet, il metodo produce topic coerenti e pertinenti al dominio anche quando il testo del dominio target è limitato, riducendo il volume di dati etichettati o non etichettati richiesti per risultati significativi.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/it/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.
- Modello LDA a Soggetto AffinatoApprendimento profondo↔ compare
- Modello di Topic LDAApprendimento 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 →