Pārneses mācīšanās ar LDA tēmu modeli
Pārneses mācīšanās ar LDA tēmu modeli (Transfer Learning with LDA Topic Model) pielieto zināšanas no labi izpētīta avota domēna, lai vadītu Latent Dirichlet Allocation inferenci mērķa domēnā ar ierobežotiem datiem. Ievadot no avota iegūtas tēmu a priori sadales Dirihlē hiperparametros, metode rada saskaņotas, domēnam atbilstošas tēmas pat tad, ja mērķa domēna teksta apjoms ir ierobežots, samazinot marķētu vai nemarķētu datu apjomu, kas nepieciešams jēgpilnu rezultātu iegūšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/lv/deep-learning/transfer-learning-with-lda-topic-model
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Pielāgotais LDA tēmu modelisDziļā mācīšanās↔ salīdzināt
- LDA tēmu modelisDziļā mācīšanās↔ salīdzināt
- Tēmu modelēšanaDziļā mācīšanās↔ salīdzināt
- Pārneses apmācība ar NMF tēmu modeliDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →