Тематическая модель NMF
Неотрицательное матричное разложение (NMF) — это метод неконтролируемого матричного разложения, который обнаруживает скрытые темы в текстовом корпусе путем факторизации матрицы «документ-терм» на две неотрицательные матрицы: одна кодирует веса тем и слов, другая — веса документов и тем. Ограничение неотрицательности приводит к представлениям, основанным на частях и аддитивным, которые, как правило, дают чистые, интерпретируемые темы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Тематическая модель LDAГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
- Тематическое моделированиеГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →