Modelimi i temave me NMF
Modelimi i temave me NMF përdor Faktorizimin Matricor Jo-negativ — dekompozimin e bazuar në pjesë të prezantuar nga Lee dhe Seung (1999) — për të nxjerrë shpërndarjet dokument-temë nga një korpus. Duke faktorizuar një matricë dokument-termë në dy matrica jo-negative, ajo rikuperon një grup të vogël temash dhe ka tendencë të prodhojë tema më të interpretable se LDA.
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
- Lee, D.D. & Seung, H.S. (1999). Learning the Parts of Objects by Non-negative Matrix Factorization. Nature, 401, 788-791. DOI: 10.1038/44565 ↗
- Arora, S., Ge, R., Halpern, Y., Mimno, D., Moitra, A., Sontag, D., Wu, Y. & Zhu, M. (2013). A Practical Algorithm for Topic Modeling with Provable Guarantees. Proceedings of the 30th International Conference on Machine Learning (ICML), 280-288. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). Topic Modeling with Non-negative Matrix Factorization. ScholarGate. https://scholargate.app/sq/text-mining/topic-modeling-nmf
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.
- BERT EmbeddingsNxjerrja e tekstit↔ compare
- BERTopicNxjerrja e tekstit↔ compare
- Grupimi i dokumenteveNxjerrja e tekstit↔ compare
- TF-IDFNxjerrja e tekstit↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →