Învățare prin transfer cu model de topicuri NMF
Învățarea prin transfer cu model de topicuri NMF aplică cunoștințe dintr-un domeniu sursă etichetat sau bogat în date pentru a îmbunătăți descoperirea topicurilor prin Factorizare de Matrice Non-Negativă (NMF) într-un domeniu țintă cu resurse limitate. Prin inițializarea sau constrângerea matricei de bază NMF cu topicuri din domeniul sursă, modelul descoperă topicuri coerente în domeniul țintă chiar și atunci când documentele din domeniul țintă sunt rare sau neetichetate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Transfer Learning with Non-Negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ro/deep-learning/transfer-learning-with-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 de subiecte NMF adaptiv la domeniuÎnvățare profundă↔ compare
- Model de Subiecte LDAÎnvățare profundă↔ compare
- Model de Topic NMFÎnvățare profundă↔ compare
- Modelarea tematicăÎnvățare profundă↔ compare
- Învățare prin transfer cu modelul de topicuri LDAÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →