基于NMF的中文文本分類方法.pdf

1、近年來(lái)，網(wǎng)上電子文檔的數(shù)量以指數(shù)級(jí)的速度增長(zhǎng)，這使得文本分類在信息檢索、信息過(guò)濾以及信息管理等應(yīng)用中變得越來(lái)越重要。向量空間模型是常用的文本表示方法之一，但這種方法存在空間維數(shù)過(guò)大和缺乏語(yǔ)義解釋的缺點(diǎn)。為了解決上述問(wèn)題，本文結(jié)合潛在語(yǔ)義索引的思想，將非負(fù)矩陣分解應(yīng)用于中文文本分類中。非負(fù)矩陣分解是一種嶄新的特征抽取方法。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

2、的可解釋性和預(yù)測(cè)性。
　　 本文重點(diǎn)介紹了非負(fù)矩陣分解的基本思想和基本算法。然后，從理論上將非負(fù)矩陣分解算法與當(dāng)下較為經(jīng)典的奇異值分解方法進(jìn)行比較。在理論分析基礎(chǔ)上，本文分別應(yīng)用非負(fù)矩陣分解算法和奇異值分解算法分解詞一文本矩陣，獲取詞語(yǔ)之間的相關(guān)性，有效地解決了向量空間模型中同義詞和多義詞的影響。實(shí)驗(yàn)表明，與基于奇異值分解的潛在語(yǔ)義索引方法相比，該方法具有計(jì)算速度快、占用存儲(chǔ)空間較少的優(yōu)點(diǎn)。并且，在潛在語(yǔ)義數(shù)目降低較大的情況下，