基于非負(fù)矩陣分解的信息獲取方法研究.pdf

1、非負(fù)矩陣分解為特征抽取提供了一種嶄新的方法。由于對(duì)分解結(jié)果加入非負(fù)限制，基于非負(fù)矩陣分解抽取的特征向量更能反映樣本的局部特征，因而更接近人們的認(rèn)知習(xí)慣，并具有很高的的可解釋性和預(yù)測(cè)性。本文將非負(fù)矩陣分解運(yùn)用于樣本的特征抽取，研究其在信息獲取領(lǐng)域中的應(yīng)用，設(shè)計(jì)相應(yīng)的處理算法，提高處理效果。 本文首先全面介紹現(xiàn)有的非負(fù)矩陣分解基本思想、基本算法及其各種變體的原理及相互關(guān)系。然后從理論上將非負(fù)矩陣分解算法與包括聚類、奇異值分解以及概率

2、算法在內(nèi)的常用特征抽取方法進(jìn)行比較，通過(guò)比較總結(jié)出基于非負(fù)矩陣分解所抽取的特征向量具有局部性和可解釋性等特點(diǎn)。在理論分析基礎(chǔ)上，再將非負(fù)矩陣分解應(yīng)用于信息獲取領(lǐng)域，研究基于非負(fù)矩陣分解的特征抽取方法在文本分類和日志挖掘中的應(yīng)用。在文本分類領(lǐng)域，本文提出了基于非負(fù)矩陣分解分別抽取各類樣本文檔的語(yǔ)義，進(jìn)而合成局部語(yǔ)義空間的方法。由于局部語(yǔ)義空間中的語(yǔ)義向量有很強(qiáng)的可區(qū)分度，將文檔向量投影到局部語(yǔ)義空間后進(jìn)行分類，可以有效的提高文本分類精度。