NMF Topic Model
Nezáporná maticová faktorizácia (NMF) je metóda neřízenej dekompozície matíc, ktorá objavuje latentné témy v textovom korpuse faktorizáciou matice dokumentov a slov na dve nezáporné matice — jednu zakódovanú váhami tém a slov, druhú váhami dokumentov a tém. Podmienka nezápornosti vedie k reprezentáciám založeným na častiach, ktoré sú aditívne a majú tendenciu produkovať čisté, interpretovateľné témy.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/sk/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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Model topicov LDAHlboké učenie↔ compare
- Vektorové reprezentácie vietHlboké učenie↔ compare
- Modelovanie témHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →