Machine learningDeep learning / NLP / CV

مدل موضوعی NMF تبیین‌پذیر

یک مدل موضوعی NMF تبیین‌پذیر، تجزیه ماتریس نامنفی (Non-negative Matrix Factorization) — یک تجزیه مبتنی بر اجزا از ماتریس سند-واژه — را با تکنیک‌های صریح تفسیرپذیری مانند معیارهای انسجام، امتیازات سهم واژه، و انتساب به سبک SHAP ترکیب می‌کند تا موضوعات کشف‌شده را برای خوانندگان انسانی شفاف و قابل حسابرسی سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link
  2. Non-negative matrix factorization. Wikipedia. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Explainable Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/fa/deep-learning/explainable-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.

Compare side by side
ScholarGateExplainable NMF Topic Model (Explainable Non-negative Matrix Factorization Topic Model). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/explainable-nmf-topic-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026