Doménovo adaptívny NMF model tém
Doménovo adaptívne modelovanie tém pomocou NMF aplikuje rozklad matíc pomocou negačnej faktorizácie (Non-negative Matrix Factorization – NMF) na objavovanie latentných tém v texte z viacerých domén, pričom využíva regularizáciu alebo zdieľané bázové obmedzenia na prenos vedomostí o témach z domény s bohatými zdrojmi do cieľovej domény s obmedzeným množstvom označených údajov. Kombinuje interpretovateľný dekompozičný rozklad na časti s cieľmi doménovej adaptácie na produkciu tém, ktoré sú špecifické pre danú doménu a zároveň konzistentné naprieč doménami.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Domain-Adaptive Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/sk/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.
- Model topicov LDAHlboké učenie↔ compare
- NMF Topic ModelHlboké učenie↔ compare
- Modelovanie témHlboké učenie↔ compare
- Prenosové učenie s NMF modelom témHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →