Трансферне навчання з тематичною моделлю LDA
Трансферне навчання з тематичною моделлю LDA застосовує знання з добре вивченої вихідної області для керування висновком прихованого розподілу Діріхле (Latent Dirichlet Allocation) на цільовій області з обмеженими даними. Вводячи попередні знання про теми з вихідної області в гіперпараметри Діріхле, метод генерує зв'язні, релевантні для домену теми, навіть коли текст цільової області обмежений, зменшуючи обсяг мічених або немічених даних, необхідних для отримання значущих результатів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Chen, Z., Mukherjee, A., Liu, B., Hsu, M., Malas, M., & Wang, S. (2013). Leveraging multi-domain prior knowledge in topic models. In Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence (IJCAI-13), pp. 2071–2077. link ↗
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Transfer Learning with Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/uk/deep-learning/transfer-learning-with-lda-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.
- LDA з доналаштуванням (Fine-Tuned LDA)Глибоке навчання↔ compare
- Тематична модель LDAГлибоке навчання↔ compare
- Тематичне моделюванняГлибоке навчання↔ compare
- Трансферне навчання з NMF-моделлю темГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →