نموذج موضوعات التخصيم غير السالب شبه المُشرف عليه
يمتد نموذج موضوعات التخصيم غير السالب (NMF) شبه المُشرف عليه على نموذج NMF غير المُشرف عليه عن طريق دمج كلمات بذرية مقدمة من المستخدم أو قيود تسمية لتوجيه الموضوعات المكتشفة نحو سمات ذات صلة بالمجال. يقوم بتخصيم مصفوفة المستندات والمصطلحات إلى مكونات غير سالبة قابلة للتفسير مع احترام الأولويات المعجمية، مما ينتج عنه موضوعات متماسكة ومتوافقة مع التطبيق حتى من مجموعات نصوص متواضعة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link ↗
- Jagarlamudi, J., Daume, H., & Udupa, R. (2012). Incorporating lexical priors into topic models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), 204–213. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Semi-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ar/deep-learning/semi-supervised-nmf-topic-model
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- نموذج مواضيع LDAالتعلم العميق↔ قارن
- نموذج موضوعات تحليل المصفوفة غير السالبة (NMF)التعلم العميق↔ قارن
- Semi-supervised LDA Topic Modelالتعلم العميق↔ قارن
- المحولات شبه المُشرف عليهاالتعلم العميق↔ قارن
- تضمينات الجملالتعلم العميق↔ قارن
- نمذجة الموضوعاتالتعلم العميق↔ قارن