ScholarGate
アシスタント
Machine learningDeep learning / NLP / CV

説明可能なNMFトピックモデル

説明可能なNMFトピックモデルは、非負行列因子分解（NMF）—文書-単語行列のパーツベース分解—と、コヒーレンス指標、単語貢献度スコア、SHAPスタイルのアトリビューションなどの明示的な解釈可能性技術を組み合わせることで、発見されたトピックを人間の読者にとって透明で監査可能なものにします。

MethodMindで開く近日公開動画近日公開Download slides

手法の全文を読む

会員限定

無料アカウントでログインすると、このセクションを読めます。

ログイン

Method map

The neighbourhood of related methods — select a node to explore.

説明可能なNMFトピックモデル
説明可能なBERTベース分類説明可能なLDAトピックモデルLDAトピックモデルNMFトピックモデル文埋め込み（Sentence Embedding…トピックモデリング

出典

  1. Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link ↗
  2. Non-negative matrix factorization. Wikipedia. link ↗

このページの引用方法

ScholarGate. (2026, June 3). Explainable Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/explainable-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.

Compare side by side →

このページに誤りを見つけましたか?報告・修正提案 →

ScholarGate — Explainable NMF Topic Model (Explainable Non-negative Matrix Factorization Topic Model). 2026-06-15に以下より取得 https://scholargate.app/ja/deep-learning/explainable-nmf-topic-model · データセット: https://doi.org/10.5281/zenodo.20539026