Prenosové učenie s NMF modelom tém
Prenosové učenie s NMF modelom tém aplikuje poznatky zo zdrojovej domény so štítkami alebo s bohatými dátami na zlepšenie objavovania tém pomocou NMF (Non-Negative Matrix Factorization) v cieľovej doméne s nízkymi zdrojmi. Inicializáciou alebo obmedzením bázovej matice NMF témami zo zdrojovej domény model objavuje koherentné cieľové témy, aj keď sú dokumenty cieľovej domény zriedkavé alebo bez štítkov.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Transfer Learning with Non-Negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/sk/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.
- Doménovo adaptívny NMF model témHlboké učenie↔ compare
- Model topicov LDAHlboké učenie↔ compare
- NMF Topic ModelHlboké učenie↔ compare
- Modelovanie témHlboké učenie↔ compare
- Prenosové učenie s LDA topic modelomHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →