NMF विषय मॉडलिंग
NMF विषय मॉडलिंग, ली और सियुंग (1999) द्वारा प्रस्तुत भागों-आधारित अपघटन — गैर-ऋणात्मक मैट्रिक्स गुणनखंडन (Non-negative Matrix Factorization) का उपयोग करके एक कॉर्पस से दस्तावेज़-विषय वितरण निकालता है। एक दस्तावेज़-पद मैट्रिक्स को दो गैर-ऋणात्मक मैट्रिक्स में गुणनखंडित करके, यह विषयों के एक छोटे समूह को पुनः प्राप्त करता है और LDA की तुलना में अधिक व्याख्या योग्य विषय उत्पन्न करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- Lee, D.D. & Seung, H.S. (1999). Learning the Parts of Objects by Non-negative Matrix Factorization. Nature, 401, 788-791. DOI: 10.1038/44565 ↗
- Arora, S., Ge, R., Halpern, Y., Mimno, D., Moitra, A., Sontag, D., Wu, Y. & Zhu, M. (2013). A Practical Algorithm for Topic Modeling with Provable Guarantees. Proceedings of the 30th International Conference on Machine Learning (ICML), 280-288. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Topic Modeling with Non-negative Matrix Factorization. ScholarGate. https://scholargate.app/hi/text-mining/topic-modeling-nmf
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- BERT एम्बेडिंगपाठ खनन↔ तुलना करें
- BERTopicपाठ खनन↔ तुलना करें
- दस्तावेज़ क्लस्टरिंगपाठ खनन↔ तुलना करें
- TF-IDFपाठ खनन↔ तुलना करें