Finjustert LDA-emnemodell
Finjustert LDA tilpasser en Latent Dirichlet Allocation-modell trent på et stort generelt korpus til et spesifikt måldomene ved å fortsette inferens på domenespesifikke dokumenter. I stedet for å tilpasse LDA fra bunnen av, brukes de forhåndstrente emne-ord-distribusjonene som et informert utgangspunkt, noe som gjør at modellen kan oppdage sammenhengende domenemner raskere og med mindre data enn ved kaldtrening.
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
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
- Hoffman, M., Bach, F. R., & Blei, D. M. (2010). Online Learning for Latent Dirichlet Allocation. Advances in Neural Information Processing Systems (NIPS), 23, 856–864. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/no/deep-learning/fine-tuned-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.
- Finputilpasset BERT-basert klassifiseringDyp læring↔ compare
- LDA emnemodellDyp læring↔ compare
- NMF emnemodellDyp læring↔ compare
- SetningsembddingerDyp læring↔ compare
- Emne-modelleringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →