ScholarGate
Ассистент
Machine learningDeep learning / NLP / CV

Объяснимая тематическая модель на основе НМФ

Объяснимая тематическая модель на основе НМФ (Неотрицательное матричное разложение) объединяет НМФ — разложение матрицы «документ-терм» на составляющие — с явными методами интерпретируемости, такими как метрики когерентности, оценки вклада слов и атрибуции в стиле SHAP, чтобы сделать обнаруженные темы прозрачными и проверяемыми для человека.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Explainable Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ru/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
ScholarGateExplainable NMF Topic Model (Explainable Non-negative Matrix Factorization Topic Model). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/explainable-nmf-topic-model · Набор данных: https://doi.org/10.5281/zenodo.20539026