Machine learningDeep learning / NLP / CV
LDAトピックモデルを用いた転移学習
LDAトピックモデルを用いた転移学習は、十分に研究されたソースドメインからの知識を、データが少ないターゲットドメインにおける潜在ディリクレ配分法 (Latent Dirichlet Allocation, LDA) の推論を導くために適用する手法である。ソースから派生したトピック事前分布をディリクレ超パラメータに注入することにより、ターゲットドメインのテキストが限定的であっても、一貫性があり、ドメインに関連するトピックを生成し、意味のある結果を得るために必要なラベル付きまたはラベルなしデータの量を削減する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ja/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.
- ファインチューニングLDAトピックモデル深層学習↔ compare
- LDAトピックモデル深層学習↔ compare
- トピックモデリング深層学習↔ compare
- NMFトピックモデルを用いた転移学習深層学習↔ compare