Μοντέλο Θεμάτων NMF
Η μη αρνητική παραγοντοποίηση πινάκων (NMF) είναι μια μη επιβλεπόμενη μέθοδος αποσύνθεσης πινάκων που ανακαλύπτει λανθάνοντα θέματα σε ένα σώμα κειμένων, παραγοντοποιώντας έναν πίνακα εγγράφων-όρων σε δύο μη αρνητικούς πίνακες — ο ένας κωδικοποιεί τα βάρη λέξεων-θεμάτων, ο άλλος τα βάρη εγγράφων-θεμάτων. Ο περιορισμός της μη αρνητικότητας παράγει αναπαραστάσεις βασισμένες σε μέρη, οι οποίες τείνουν να παράγουν σαφή, ερμηνεύσιμα θέματα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/el/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.
- Ταξινόμηση Βασισμένη σε BERTΒαθιά Μάθηση↔ compare
- Μοντέλο Θεματικής Ενότητας LDAΒαθιά Μάθηση↔ compare
- Ενσωματώσεις ΠροτάσεωνΒαθιά Μάθηση↔ compare
- Μοντελοποίηση ΘεμάτωνΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →