Model tematyczny NMF
NMF (Non-negative Matrix Factorization) to nienadzorowana metoda dekompozycji macierzy, która odkrywa ukryte tematy w korpusie tekstowym poprzez faktoryzację macierzy dokument-słowo na dwie macierze nieujemne — jedną kodującą wagi tematów i słów, drugą wagi dokumentów i tematów. Ograniczenie nieujemności prowadzi do reprezentacji częściowych, addytywnych, które zazwyczaj generują czyste, interpretowalne tematy.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Model tematyczny LDAUczenie głębokie↔ compare
- Osadzanie zdańUczenie głębokie↔ compare
- Modelowanie tematówUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →