Félfelügyelt NMF Témamodell
A félfelügyelt nemnegatív mátrixfaktorizáció (NMF) témamodell a felügyelet nélküli NMF-et bővíti ki felhasználó által megadott magszavakkal vagy címke-kötöttségekkel, hogy a felfedezett témákat domain-specifikus témák felé irányítsa. Egy dokumentum-szó mátrixot faktorizál értelmezhető nemnegatív komponensekre, miközben tiszteletben tartja a lexikai előzetes információkat, így koherens, az alkalmazáshoz igazított témákat eredményez még szerény méretű korpuszokból is.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hu/deep-learning/semi-supervised-nmf-topic-model
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- LDA témamodellMélytanulás↔ összehasonlítás
- NMF TémamodellMélytanulás↔ összehasonlítás
- Félfelügyelt LDA témamodellMélytanulás↔ összehasonlítás
- Félfelügyelt TransformerMélytanulás↔ összehasonlítás
- MondatbeágyazásokMélytanulás↔ összehasonlítás
- Tematikus modellezésMélytanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →