Machine learningDeep learning / NLP / CV

מודל נושאי NMF בר-הסבר

מודל נושאי NMF בר-הסבר משלב פקטוריזציה מטריציונית אי-שלילית (NMF) — פירוק מבוסס-חלקים של מטריצת מסמכים-מונחים — עם טכניקות פרשנות מפורשות כגון מדדי קוהרנטיות, ציוני תרומת מילים, וייחוס בסגנון SHAP, כדי להפוך נושאים שהתגלו לשקופים וברי-ביקורת עבור קוראים אנושיים.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

מקורות

  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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Explainable Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/he/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). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/deep-learning/explainable-nmf-topic-model · מערך נתונים: https://doi.org/10.5281/zenodo.20539026