এনএমএফ টপিক মডেলিং (NMF Topic Modeling)
এনএমএফ টপিক মডেলিং নন-নেগেটিভ ম্যাট্রিক্স ফ্যাক্টরাইজেশন (Non-negative Matrix Factorization) ব্যবহার করে — যা লি এবং সিউং (Lee and Seung, 1999) কর্তৃক প্রবর্তিত অংশ-ভিত্তিক ডিকম্পোজিশন — একটি কর্পাস থেকে ডকুমেন্ট-টপিক ডিস্ট্রিবিউশন বের করার জন্য। একটি ডকুমেন্ট-টার্ম ম্যাট্রিক্সকে দুটি নন-নেগেটিভ ম্যাট্রিক্সে ফ্যাক্টর করার মাধ্যমে, এটি অল্প সংখ্যক টপিক পুনরুদ্ধার করে এবং এলডিএ (LDA)-এর চেয়ে বেশি ব্যাখ্যামূলক টপিক তৈরি করার প্রবণতা দেখায়।
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
- Lee, D.D. & Seung, H.S. (1999). Learning the Parts of Objects by Non-negative Matrix Factorization. Nature, 401, 788-791. DOI: 10.1038/44565 ↗
- Arora, S., Ge, R., Halpern, Y., Mimno, D., Moitra, A., Sontag, D., Wu, Y. & Zhu, M. (2013). A Practical Algorithm for Topic Modeling with Provable Guarantees. Proceedings of the 30th International Conference on Machine Learning (ICML), 280-288. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Topic Modeling with Non-negative Matrix Factorization. ScholarGate. https://scholargate.app/bn/text-mining/topic-modeling-nmf
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.
- BERT এমবেডিংটেক্সট খনন↔ compare
- BERTopicটেক্সট খনন↔ compare
- ডকুমেন্ট ক্লাস্টারিংটেক্সট খনন↔ compare
- TF-IDFটেক্সট খনন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →