Mô hình Chủ đề NMF Tự giám sát
Mô hình Chủ đề NMF Tự giám sát mở rộng Phân rã Ma trận Không âm (Non-negative Matrix Factorization - NMF) cổ điển để khám phá chủ đề bằng cách tích hợp các tín hiệu học tập tự giám sát — như tái tạo từ bị che hoặc các mục tiêu tương phản — vào quá trình tối ưu hóa NMF, tạo ra các chủ đề mạch lạc và có ý nghĩa ngữ nghĩa hơn từ các tập hợp văn bản mà không yêu cầu bất kỳ dữ liệu được gán nhãn thủ công nào.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Self-supervised Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/vi/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.
Compare side by side →Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →