مدل موضوعی NMF
تجزیه ماتریس نامنفی (NMF) یک روش تجزیه ماتریس بدون نظارت است که با تجزیه یک ماتریس سند-واژگان به دو ماتریس نامنفی، موضوعات پنهان را در یک پیکره متنی کشف میکند — یکی وزنهای موضوع-واژه را رمزگذاری میکند و دیگری وزنهای سند-موضوع را. قید نامنفی بودن، نمایشهای مبتنی بر اجزا را تولید میکند که تمایل به تولید موضوعات پاک و قابل تفسیر دارند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- مدل موضوعی LDAیادگیری عمیق↔ compare
- تعبیههای جملهیادگیری عمیق↔ compare
- مدلسازی موضوعییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →