Modelo Tópico NMF Adaptativo a Domínio
A Modelagem Tópica NMF Adaptativa a Domínio aplica a Fatoração de Matriz Não Negativa (NMF) para descobrir tópicos latentes em textos de múltiplos domínios, usando regularização ou restrições de base compartilhada para transferir conhecimento tópico de um domínio-fonte rico em recursos para um domínio-alvo com dados rotulados limitados. Ela combina a decomposição baseada em partes interpretável com objetivos de adaptação de domínio para produzir tópicos que são tanto específicos do domínio quanto consistentes entre domínios.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/pt/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.
- Modelo de Tópicos LDAAprendizado profundo↔ compare
- Modelo de Tópicos NMFAprendizado profundo↔ compare
- Modelagem de TópicosAprendizado profundo↔ compare
- Aprendizagem por Transferência com Modelo de Tópicos NMFAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →