Transfer Learning z modelowaniem tematycznym
Transfer Learning with Topic Modeling adaptuje struktury tematyczne odkryte na dużym lub dobrze oznakowanym korpusie źródłowym do powiązanego, ale odrębnego korpusu docelowego, gdzie oznakowane dane lub duże korpusy są rzadkie. Poprzez ponowne wykorzystanie priorytetów tematycznych z domeny źródłowej lub wstępnie wytrenowanych osadzeń jako inicjalizacji, podejście to generuje bogatsze, bardziej spójne tematy w domenie docelowej niż trenowanie od zera.
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
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Topic model. Wikipedia. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning with Topic Modeling (Cross-Domain Topic Adaptation). ScholarGate. https://scholargate.app/pl/deep-learning/transfer-learning-with-topic-modeling
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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Dostrajanie modelowania tematówUczenie głębokie↔ compare
- Model tematyczny LDAUczenie głębokie↔ compare
- Model tematyczny NMFUczenie głębokie↔ compare
- Osadzanie zdańUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →