Machine learningDeep learning / NLP / CV
LDA 토픽 모델을 이용한 전이 학습
LDA 토픽 모델을 이용한 전이 학습은 잘 연구된 소스 도메인의 지식을 활용하여 데이터가 부족한 타겟 도메인에서의 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 추론을 안내합니다. 소스에서 파생된 토픽 사전확률(prior)을 디리클레 초모수(hyperparameter)에 주입함으로써, 이 방법은 타겟 도메인 텍스트가 제한적일 때에도 일관성 있고 도메인 관련성이 높은 토픽을 생성하여 의미 있는 결과를 얻는 데 필요한 레이블링되거나 레이블링되지 않은 데이터의 양을 줄입니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →