Domein-adaptieve Doc2Vec
Domein-adaptieve Doc2Vec past het Paragraph Vector (Doc2Vec) raamwerk aan, zodat documentembeddings die geleerd zijn op een bron-domein effectief worden overgedragen naar een doel-domein. Door de representatieruimte tussen domeinen tijdens of na de training uit te lijnen, produceert het model embeddings die informatief zijn voor beide, wat classificatie, sentimentanalyse en retrieval tussen domeinen mogelijk maakt met beperkte labels uit het doel-domein.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/nl/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.
- Doc2VecText mining↔ compare
- Domein-adaptieve BERT-gebaseerde ClassificatieDeep learning↔ compare
- Domein-adaptieve zinsinbeddingenDeep learning↔ compare
- Domein-adaptieve Word2VecDeep learning↔ compare
- Fijnafgestemde Doc2VecDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →