Machine learningDeep learning / NLP / CV

Обясним тематичен модел с Неотрицателна Матрична Факторизация (Explainable NMF Topic Model)

Обяснимият тематичен модел с Неотрицателна Матрична Факторизация (NMF) комбинира разлагане на матрица документ-термин на съставни части с явни техники за интерпретируемост, като метрики за кохерентност, оценки за приноса на думите и атрибуции в стил SHAP, за да направи откритите теми прозрачни и проверяеми от човешки читатели.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link
  2. Non-negative matrix factorization. Wikipedia. link

Как да цитирате тази страница

ScholarGate. (2026, June 3). Explainable Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/bg/deep-learning/explainable-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.

Compare side by side
ScholarGateExplainable NMF Topic Model (Explainable Non-negative Matrix Factorization Topic Model). Извлечено на 2026-06-15 от https://scholargate.app/bg/deep-learning/explainable-nmf-topic-model · Набор от данни: https://doi.org/10.5281/zenodo.20539026