Machine learningDeep learning / NLP / CV
NMFトピックモデルを用いた転移学習
NMFトピックモデルを用いた転移学習は、ラベル付きまたはデータ豊富なソースドメインからの知識を、リソースの少ないターゲットドメインにおける非負値行列因子分解（NMF）トピック発見の改善に適用する手法である。ソースドメインのトピックを用いてNMFの基底行列を初期化または制約することにより、ターゲットドメインの文書が少ない、あるいはラベルなしの場合でも、モデルは一貫性のあるターゲットトピックを発見する。
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
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning with Non-Negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/transfer-learning-with-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.
- ドメイン適応型NMF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
- NMF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
- LDAトピックモデルを用いた転移学習深層学習↔ compare