Overføringslæring med LDA-emnemodell
Overføringslæring med LDA-emnemodell anvender kunnskap fra en godt studert kildedomen til å veilede Latent Dirichlet Allocation-inferens på en måldomen med lite data. Ved å injisere kildedrevne emnepriorer i Dirichlet-hyperparameterne, produserer metoden sammenhengende, domenespesifikke emner selv når målteksten er begrenset, noe som reduserer volumet av merket eller umerket data som kreves for meningsfulle resultater.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/no/deep-learning/transfer-learning-with-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.
- Finjustert LDA-emnemodellDyp læring↔ compare
- LDA emnemodellDyp læring↔ compare
- Emne-modelleringDyp læring↔ compare
- Overføringslæring med NMF-emnemodellDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →