Adaptacyjne modelowanie tematów NMF
Adaptacyjne modelowanie tematów NMF stosuje rozkład według nieujemnych macierzy (NMF) do odkrywania ukrytych tematów w tekstach z wielu domen, wykorzystując regularyzację lub wspólne ograniczenia bazowe do przenoszenia wiedzy o tematach z bogatej w zasoby domeny źródłowej do domeny docelowej z ograniczoną liczbą oznakowanych danych. Łączy ono interpretowalny rozkład częściowy z celami adaptacji domenowej, aby uzyskać tematy, które są zarówno specyficzne dla domeny, jak i spójne między domenami.
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
- Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788–791. DOI: 10.1038/44565 ↗
- Non-negative matrix factorization. Wikipedia. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/pl/deep-learning/domain-adaptive-nmf-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.
- Model tematyczny LDAUczenie głębokie↔ compare
- Model tematyczny NMFUczenie głębokie↔ compare
- Modelowanie tematówUczenie głębokie↔ compare
- Transfer Learning z NMF Topic ModelUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →