Domene-adaptiv Doc2Vec
Domene-adaptiv Doc2Vec tilpasser rammeverket for Paragraph Vector (Doc2Vec) slik at dokumentinnbygginger lært på en kildedomenen overføres effektivt til en måldomene. Ved å justere representasjonsrommet på tvers av domener under eller etter trening, produserer modellen innbygginger som er informative på begge, noe som muliggjør klassifisering, sentimentanalyse og gjenfinning på tvers av domener med begrensede merkelapper fra måldomenen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/no/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.
- Doc2VecTekstutvinning↔ compare
- Domene-adaptiv BERT-basert klassifiseringDyp læring↔ compare
- Domene-tilpassede setningsinnbyggingerDyp læring↔ compare
- Domene-tilpasset Word2VecDyp læring↔ compare
- Finjustert Doc2VecDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →