Domain-adaptive Doc2Vec
Domain-adaptive Doc2Vec adapts the Paragraph Vector (Doc2Vec) framework so that document embeddings learned on a source domain transfer effectively to a target domain. By aligning the representation space across domains during or after training, the model produces embeddings that are informative on both, enabling cross-domain classification, sentiment analysis, and retrieval with limited target-domain labels.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- 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. · URL
- 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
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.