एनएमएफ विषय मॉडल
गैर-ऋणात्मक मैट्रिक्स फैक्टराइजेशन (एनएमएफ) एक अनपर्यवेक्षित मैट्रिक्स अपघटन विधि है जो एक टेक्स्ट कॉर्पस में अव्यक्त विषयों की खोज करती है, एक दस्तावेज़-शब्द मैट्रिक्स को दो गैर-ऋणात्मक मैट्रिक्स में विघटित करके - एक विषय-शब्द भार को एन्कोड करता है, दूसरा दस्तावेज़-विषय भार को। गैर-ऋणात्मकता बाधा भागों-आधारित, योगात्मक निरूपण उत्पन्न करती है जो स्वच्छ, व्याख्या योग्य विषयों का उत्पादन करती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hi/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.
- BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- एलडीए विषय मॉडलगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare