Model tema nenegativne faktorizacije matrice
Nenegativna faktorizacija matrice (NMF) je metoda nenadziranog razlaganja matrice koja otkriva latentne teme u korpusu teksta faktorizacijom matrice dokument-termin u dvije nenegativne matrice — jednu koja kodira težine tema-riječi, drugu težine dokument-tema. Ograničenje nenegativnosti daje reprezentacije temeljene na dijelovima, aditivne, koje obično proizvedu čiste, interpretabilne teme.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hr/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-tem klasifikacijaDuboko učenje↔ compare
- LDA model temaDuboko učenje↔ compare
- Ugrađivanje rečenicaDuboko učenje↔ compare
- Modeliranje temaDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →