Self-supervised NMF Topic Model
Self-supervised NMF Topic Model নামক মডেলটি ক্লাসিক্যাল Non-negative Matrix Factorization (NMF)-কে উন্নত করে টপিক আবিষ্কারের জন্য। এটি NMF অপ্টিমাইজেশনে সেলফ-সুপারভাইজড লার্নিং সিগন্যাল — যেমন মাস্কড-ওয়ার্ড রিকনস্ট্রাকশন বা কনট্রাস্টিভ অবজেক্টিভ — অন্তর্ভুক্ত করে, যার ফলে কোনো মানব-লেবেলযুক্ত ডেটা ছাড়াই টেক্সট কর্পোরা থেকে আরও সুসংগত এবং অর্থপূর্ণ টপিক পাওয়া যায়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Self-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/bn/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.
- ল্যাটেন্ট ডিরিচলে অ্যালোকেশন (LDA)যন্ত্র শিখন↔ compare
- Non-negative Matrix Factorization (NMF)যন্ত্র শিখন↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →