Mësimi i Transferuar me Modelin Tematik NMF
Mësimi i Transferuar me Modelin Tematik NMF aplikon njohuri nga një domen burimor i etiketuar ose i pasur me të dhëna për të përmirësuar zbulimin e temave me Faktorizim Matricor Jo-negativ (NMF) në një domen objektiv me pak burime. Duke inicializuar ose kufizuar matricën bazë NMF me tema nga domeni burimor, modeli zbulon tema koherente në domenin objektiv edhe kur dokumentet e domenit objektiv janë të pakta ose pa etiketë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Transfer Learning with Non-Negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/sq/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 Temash NMF i Adaptueshëm ndaj DomenitMësimi i thellë↔ compare
- Model Tematik LDAMësimi i thellë↔ compare
- Modeli Tematik NMFMësimi i thellë↔ compare
- Modelimi i temaveMësimi i thellë↔ compare
- Mësimi i Transferuar me Modelin Tematik LDAMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →