ScholarGate
Asistenti
Machine learningDeep learning / NLP / CV

Modeli Tematik NMF

Faktrizimi Matriçor Jo-negativ (NMF) është një metodë dekompozimi matriçor e pakontrolluar që zbulon tema latente në një korpus tekstual duke faktorizuar një matricë dokument-term në dy matrica jo-negative — njëra kodifikon peshat temë-fjalë, tjetra peshat dokument-temë. Kufizimi i jo-negativitetit jep përfaqësime additive, të bazuara në pjesë, të cilat priren të prodhojnë tema të pastra dhe të interpre-tueshme.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

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

+9 more

Burimet

  1. 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
  2. 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

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/sq/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.

Compare side by side

Cituar nga

ScholarGateNMF Topic Model (Non-negative Matrix Factorization Topic Model). Marrë më 2026-06-15 nga https://scholargate.app/sq/deep-learning/nmf-topic-model · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026