ScholarGate
Асистент
Machine learningDeep learning / NLP / CV

Мултимодалeн NMF модел за теми

Мултимодалeн NMF модел за теми разширява Неотрицателната матрична факторизация (NMF), за да открива едновременно скрити теми в множество модалности данни — като текст и изображения — чрез налагане на споделени или подравнени матрици с нисък ранг. Той разкрива кохерентни, интерпретируеми теми, които съвместно обясняват закономерности както в текстовото, така и във визуалното (или друго) пространство на признаците.

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. Cai, D., He, X., Han, J., & Huang, T. S. (2011). Graph regularized NMF. IEEE Transactions on Pattern Analysis and Machine Intelligence, 33(8), 1548–1560. link
  2. Non-negative matrix factorization. Wikipedia. link

Как да цитирате тази страница

ScholarGate. (2026, June 3). Multimodal Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/bg/deep-learning/multimodal-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
ScholarGateMultimodal NMF Topic Model (Multimodal Non-negative Matrix Factorization Topic Model). Извлечено на 2026-06-15 от https://scholargate.app/bg/deep-learning/multimodal-nmf-topic-model · Набор от данни: https://doi.org/10.5281/zenodo.20539026