Перенос обучения с тематическим моделированием
Перенос обучения с тематическим моделированием адаптирует тематические структуры, обнаруженные в большом или хорошо размеченном исходном корпусе, к связанной, но отличной целевой области, где размеченные данные или большие корпуса скудны. Повторное использование априорных тематических распределений из исходной области или предварительно обученных эмбеддингов в качестве инициализации позволяет получить более богатые и когерентные темы в целевой области, чем при обучении с нуля.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Transfer Learning with Topic Modeling (Cross-Domain Topic Adaptation). ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Тонко-настроенное тематическое моделированиеГлубокое обучение↔ compare
- Тематическая модель LDAГлубокое обучение↔ compare
- Тематическая модель NMFГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →