Machine learningDeep learning / NLP / CV
도메인 적응형 Doc2Vec
도메인 적응형 Doc2Vec은 Paragraph Vector (Doc2Vec) 프레임워크를 조정하여 소스 도메인에서 학습된 문서 임베딩이 타겟 도메인으로 효과적으로 전이되도록 합니다. 학습 중 또는 학습 후에 도메인 간 표현 공간을 정렬함으로써, 이 모델은 양쪽 도메인 모두에서 유용한 임베딩을 생성하며, 제한된 타겟 도메인 레이블만으로도 교차 도메인 분류, 감성 분석 및 검색을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Le, Q. V., & Mikolov, T. (2014). Distributed representations of sentences and documents. Proceedings of the 31st International Conference on Machine Learning (ICML 2014), PMLR 32(2), 1188–1196. link ↗
- Blitzer, J., McDonald, R., & Pereira, F. (2006). Domain adaptation with structural correspondence learning. Proceedings of the 2006 Conference on Empirical Methods in Natural Language Processing (EMNLP 2006), 120–128. DOI: 10.3115/1610075.1610094 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/ko/deep-learning/domain-adaptive-doc2vec
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.
- Doc2Vec텍스트 마이닝↔ compare
- 도메인 적응형 BERT 기반 분류딥러닝↔ compare
- 도메인 적응형 문장 임베딩딥러닝↔ compare
- 도메인 적응형 Word2Vec딥러닝↔ compare
- 미세 조정된 Doc2Vec딥러닝↔ compare