अर्ध-पर्यवेक्षित NMF विषय मॉडल
अर्ध-पर्यवेक्षित गैर-नकारात्मक मैट्रिक्स गुणनखंडन (NMF) विषय मॉडल, उपयोगकर्ता-प्रदत्त बीज शब्दों या लेबल बाधाओं को शामिल करके अपर्यवेक्षित NMF का विस्तार करता है ताकि खोजे गए विषयों को डोमेन-प्रासंगिक विषयों की ओर निर्देशित किया जा सके। यह एक दस्तावेज़-शब्द मैट्रिक्स को व्याख्या योग्य गैर-नकारात्मक घटकों में गुणनखंडित करता है, जबकि शाब्दिक प्राथमिकताओं का सम्मान करता है, जिससे मामूली संग्रहों से भी सुसंगत, अनुप्रयोग-संरेखित विषय प्राप्त होते हैं।
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.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hi/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.
- एलडीए विषय मॉडलगहन अधिगम↔ compare
- एनएमएफ विषय मॉडलगहन अधिगम↔ compare
- अर्ध-पर्यवेक्षित LDA विषय मॉडलगहन अधिगम↔ compare
- अर्ध-पर्यवेक्षित ट्रांसफार्मरगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare