Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Тематичне моделювання NMF× | Кластеризація документів× | |
|---|---|---|
| Галузь | Інтелектуальний аналіз тексту | Інтелектуальний аналіз тексту |
| Родина | Process / pipeline | Process / pipeline |
| Рік появи≠ | 1999 | — |
| Автор методу≠ | Lee & Seung | — |
| Тип≠ | Matrix-factorization topic model | Unsupervised text-mining task |
| Основоположне джерело≠ | Lee, D.D. & Seung, H.S. (1999). Learning the Parts of Objects by Non-negative Matrix Factorization. Nature, 401, 788-791. DOI ↗ | Aggarwal, C. C. & Zhai, C. (2012). Mining Text Data. Springer. ISBN: 9781461432227 |
| Інші назви | non-negative matrix factorization topic modeling, NMF topics, Konu Modelleme — NMF | text clustering, unsupervised text grouping, Belge Kümeleme (Document Clustering) |
| Пов'язані | 4 | 4 |
| Підсумок≠ | NMF topic modeling uses Non-negative Matrix Factorization — the parts-based decomposition introduced by Lee and Seung (1999) — to extract document-topic distributions from a corpus. By factoring a document-term matrix into two non-negative matrices, it recovers a small set of topics and tends to produce more interpretable topics than LDA. | Document clustering is an unsupervised text-mining task that groups documents with similar content together without using any labels. It is used to organise large collections and for exploratory analysis, drawing on the body of text-mining techniques consolidated by Aggarwal and Zhai (2012) and compared empirically by Steinbach, Karypis and Kumar (2000). |
| ScholarGateНабір даних ↗ |
|
|