Model témat NMF
Nezáporná maticová faktorizace (NMF) je metoda neshlukové dekompozice matic, která objevuje latentní témata v textovém korpusu faktorizací matice dokument-termín na dvě nezáporné matice — jedna kóduje váhy téma-slovo, druhá váhy dokument-téma. Omezení nezápornosti vede k aditivním reprezentacím založeným na částech, které mají tendenci produkovat čistá a interpretovatelná témata.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Zdroje
- 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 ↗
- Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. In Advances in Neural Information Processing Systems (NIPS), 13, 556–562. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/cs/deep-learning/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.
- Klasifikace založená na BERTHluboké učení↔ compare
- Model témat LDAHluboké učení↔ compare
- Vektorové reprezentace větHluboké učení↔ compare
- Modelování tématHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →