Transfer Learning with LDA Topic Model
Transfer Learning with LDA Topic Model aplica conhecimento de um domínio fonte bem estudado para guiar a inferência do Latent Dirichlet Allocation (LDA) em um domínio alvo com poucos dados. Ao injetar priors de tópicos derivados da fonte nos hiperparâmetros de Dirichlet, o método produz tópicos coerentes e relevantes para o domínio, mesmo quando o texto do domínio alvo é limitado, reduzindo o volume de dados rotulados ou não rotulados necessários para resultados significativos.
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
- Chen, Z., Mukherjee, A., Liu, B., Hsu, M., Malas, M., & Wang, S. (2013). Leveraging multi-domain prior knowledge in topic models. In Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence (IJCAI-13), pp. 2071–2077. link ↗
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/pt/deep-learning/transfer-learning-with-lda-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.
- LDA (Latent Dirichlet Allocation) AjustadoAprendizado profundo↔ compare
- Modelo de Tópicos LDAAprendizado 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 →