Domänadaptiv Doc2Vec
Domänadaptiv Doc2Vec anpassar ramverket Paragraph Vector (Doc2Vec) så att dokumentinbäddningar som lärts in på en källdomän effektivt överförs till en måldomän. Genom att anpassa representationsutrymmet över domäner under eller efter träning, producerar modellen inbäddningar som är informativa för båda, vilket möjliggör domänöverskridande klassificering, sentimentanalys och informationssökning med begränsade etiketter från måldomänen.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Le, Q. V., & Mikolov, T. (2014). Distributed representations of sentences and documents. Proceedings of the 31st International Conference on Machine Learning (ICML 2014), PMLR 32(2), 1188–1196. link ↗
- Blitzer, J., McDonald, R., & Pereira, F. (2006). Domain adaptation with structural correspondence learning. Proceedings of the 2006 Conference on Empirical Methods in Natural Language Processing (EMNLP 2006), 120–128. DOI: 10.3115/1610075.1610094 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-Adaptive Paragraph Vector (Doc2Vec) for Cross-Domain Document Representation. ScholarGate. https://scholargate.app/sv/deep-learning/domain-adaptive-doc2vec
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.
- Doc2VecTextutvinning↔ compare
- Domänadaptiv BERT-baserad klassificeringDjupinlärning↔ compare
- Domän-adaptiva meningsinbäddningarDjupinlärning↔ compare
- Domänadaptiv Word2VecDjupinlärning↔ compare
- Finjusterad Doc2VecDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →