Modeli i Tematikës NMF me Vetë-mbikëqyrje
Modeli i Tematikës NMF me Vetë-mbikëqyrje shtrin Faktorizimin Jo-negativ të Matriksit (NMF) klasik për zbulimin e tematikave duke përfshirë sinjale mësimore me vetë-mbikëqyrje — siç janë rindërtimi i fjalëve të maskuara ose objektivat kontrastivë — në optimizimin NMF, duke dhënë tematikë më koherente dhe kuptimisht më të rëndësishme nga korpuset e tekstit pa kërkuar të dhëna të etiketuar nga njeriu.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Shi, T., Guo, X., Lv, J., & Yu, P. S. (2022). Self-supervised NMF-based graph contrastive learning for semi-supervised node classification. In Proceedings of the 36th AAAI Conference on Artificial Intelligence. link ↗
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Self-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/sq/deep-learning/self-supervised-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.
- Ndarje Dirichlet e Fshehtë (LDA)Mësimi i makinës↔ compare
- Faktorizimi Matriçor Jo-negativ (NMF)Mësimi i makinës↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →