Doc2Vec Adaptativo a Domínio
Doc2Vec Adaptativo a Domínio adapta o framework Paragraph Vector (Doc2Vec) de modo que os embeddings de documentos aprendidos num domínio de origem sejam transferidos eficazmente para um domínio de destino. Ao alinhar o espaço de representação entre domínios durante ou após o treino, o modelo produz embeddings que são informativos em ambos, permitindo classificação, análise de sentimento e recuperação interdomínio com rótulos limitados do domínio de destino.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/pt/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.
- Doc2VecMineração de texto↔ compare
- Classificação baseada em BERT com adaptação de domínioAprendizado profundo↔ compare
- Embeddings de Sentenças Adaptados ao DomínioAprendizado profundo↔ compare
- Word2Vec adaptado ao domínioAprendizado profundo↔ compare
- Fine-Tuned Doc2VecAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →