NMF Témamodell
A nemnegatív mátrixfaktoralizáció (NMF) egy felügyelet nélküli mátrixdekompozíciós módszer, amely szövegkorpuszokban rejtett témákat fedez fel egy dokumentum-szó mátrix faktoralizálásával két nemnegatív mátrixra – az egyik a téma-szó súlyokat kódolja, a másik a dokumentum-téma súlyokat. A nemnegativitási megszorítás rész-alapú, additív reprezentációkat eredményez, amelyek általában tiszta, értelmezhető témákat produkálnak.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hu/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-alapú osztályozásMélytanulás↔ compare
- LDA témamodellMélytanulás↔ compare
- MondatbeágyazásokMélytanulás↔ compare
- Tematikus modellezésMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →