نموذج موضوعات التفكيك المصفوفي غير السالب ذاتي الإشراف
يمتد نموذج موضوعات التفكيك المصفوفي غير السالب (NMF) ذاتي الإشراف على التفكيك المصفوفي غير السالب الكلاسيكي لاكتشاف الموضوعات من خلال دمج إشارات التعلم ذاتي الإشراف — مثل إعادة بناء الكلمات المقنعة أو الأهداف التباينية — في تحسين NMF، مما ينتج موضوعات أكثر تماسكًا وذات معنى دلالي من مجموعات النصوص دون الحاجة إلى أي بيانات مصنفة بواسطة الإنسان.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Shi, T., Guo, X., Lv, J., & Yu, P. S. (2022). Self-supervised NMF-based graph contrastive learning for semi-supervised node classification. In Proceedings of the 36th AAAI Conference on Artificial Intelligence. link ↗
- 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 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Self-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ar/deep-learning/self-supervised-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.
- تخصيص ديريتشليه الكامن (LDA)تعلم الآلة↔ compare
- تحليل المصفوفات غير السلبية (NMF)تعلم الآلة↔ compare