Domain-adaptive Doc2Vec
Domain-adaptive Doc2Vec adaptuje ramy Paragraph Vector (Doc2Vec) tak, aby osadzenia dokumentów nauczone w domenie źródłowej efektywnie przenosiły się do domeny docelowej. Poprzez wyrównanie przestrzeni reprezentacji między domenami podczas lub po treningu, model generuje osadzenia, które są informatywne w obu domenach, umożliwiając klasyfikację, analizę sentymentu i wyszukiwanie między domenami przy ograniczonej liczbie etykiet w domenie docelowej.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/pl/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.
- Doc2VecEksploracja tekstu↔ compare
- Klasyfikacja oparta na domenowo adaptowanym modelu BERTUczenie głębokie↔ compare
- Osadzone reprezentacje zdań adaptowane do dziedzinyUczenie głębokie↔ compare
- Domain-adaptive Word2VecUczenie głębokie↔ compare
- Dostrojony Doc2VecUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →