LSI（SVD）、NMF的理解及推导

时间 2021-01-12

原文原文链接

主题模型，是一种语言模型，是对于文字中隐含的主题的一种建模的方法。对于主题模型的副产品，一个很重要的应用在于用主题模型方法来抽取词向量，其中，LSI方法是词向量分布式表示方法中的syntagmatic model中的典型代表，利用了词之间的共现情况，也就是利用到了相似的词出现的语境类似的特性，然后得到词向量的表述，是一种基于矩阵（基于计数）的词向量抽取模式。

>>阅读原文<<

1. 矩阵分解SVD和NMF
2. 奇异值分解(SVD)的原理详解及推导
3. 奇异值分解(SVD)原理详解及推导
4. 奇异值分解(SVD)原理详解及推导（转载）
5. 转载：奇异值分解(SVD)原理详解及推导
6. 奇异值分解(SVD)原理详解及推导（转载）
7. 奇异值分解SVD应用——LSI
8. PLSA的理解及推导
9. LSI理解
10. 奇异值分解（SVD）推导
更多相关文章...
• ionic 导航 - ionic 教程
• MyBatis的工作原理 - MyBatis教程
• Flink 数据传输及反压详解
• Docker 清理命令