Metodes pierādījumu reģistrs
Multimodal NMF Topic Model
Multimodal NMF Topic Model extends Non-negative Matrix Factorization to simultaneously discover latent topics across multiple data modalities — such as text and images — by enforcing shared or aligned low-rank factor matrices. It uncovers coherent, interpretable topics that jointly explain patterns in both textual and visual (or other) feature spaces.
Avota reģistrs
Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.
Multimodal Non-negative Matrix Factorization Topic Model
Taksonomiskās metodes reģistrs · ml-model / deep-learning
- Cai, D., He, X., Han, J., & Huang, T. S. (2011). Graph regularized NMF. IEEE Transactions on Pattern Analysis and Machine Intelligence, 33(8), 1548–1560. · URL
- Non-negative matrix factorization. Wikipedia. · URL
Kurēti apgalvojumi
Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.
Vēl nav kurētu apgalvojumu
Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.
Saistītās metodes
Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.