Mô hình hóa chủ đề bằng NMF
Mô hình hóa chủ đề bằng NMF sử dụng Phân rã Ma trận Không âm (Non-negative Matrix Factorization — NMF) — phương pháp phân rã dựa trên các thành phần được giới thiệu bởi Lee và Seung (1999) — để trích xuất phân phối tài liệu-chủ đề từ một tập hợp văn bản (corpus). Bằng cách phân rã một ma trận tài liệu-văn bản thành hai ma trận không âm, nó phục hồi một tập hợp nhỏ các chủ đề và có xu hướng tạo ra các chủ đề dễ diễn giải hơn so với LDA.
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
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Topic Modeling with Non-negative Matrix Factorization. ScholarGate. https://scholargate.app/vi/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 EmbeddingsKhai phá văn bản↔ compare
- BERTopicKhai phá văn bản↔ compare
- Phân cụm tài liệuKhai phá văn bản↔ compare
- TF-IDFKhai phá văn bản↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →