Poolitatud mittetäielikult jälgitud NMF-teemamudel
Poolitatud mittetäielikult jälgitud mittetäielikult mittenegatiivne maatriktuvastus (NMF) teemamudel laiendab jälgimata NMF-i, kaasates kasutaja antud algsõnu või sildipiiranguid, et suunata avastatud teemasid domeeniga seotud teemade poole. See faktiseerib dokumendi-sõnade maatriksi tõlgendatavateks mittenegatiivseteks komponentideks, austades samal ajal leksikaalseid eelteadmisi, andes välja koherentsed, rakendusega kooskõlas olevad teemad isegi tagasihoidlikest korpustest.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link ↗
- Jagarlamudi, J., Daume, H., & Udupa, R. (2012). Incorporating lexical priors into topic models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), 204–213. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/et/deep-learning/semi-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.
- LDA teemamudelSüvaõpe↔ compare
- NMF teemamudelSüvaõpe↔ compare
- Poolt juhendatud LDA teemamudelSüvaõpe↔ compare
- Poolitatud TransformerSüvaõpe↔ compare
- Sentence EmbeddingsSüvaõpe↔ compare
- TeemamodelleerimineSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →