Machine learningDeep learning / NLP / CV
自己教師ありNMFトピックモデル
自己教師ありNMFトピックモデルは、古典的な非負値行列因子分解（NMF）を、マスク単語再構築や対照学習目的などの自己教師あり学習シグナルをNMF最適化に組み込むことで拡張し、人間のラベル付きデータなしでテキストコーパスからより一貫性があり意味的に意味のあるトピックを生成します。
手法の全文を読む
会員限定
ログイン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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Shi, T., Guo, X., Lv, J., & Yu, P. S. (2022). Self-supervised NMF-based graph contrastive learning for semi-supervised node classification. In Proceedings of the 36th AAAI Conference on Artificial Intelligence. link ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/self-supervised-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 →