非負(fù)稀疏信號(hào)分析理論及在文本聚類中的應(yīng)用.pdf

1、文本聚類作為一種對(duì)大規(guī)模文本信息進(jìn)行有效地組織、導(dǎo)航、檢索和概括匯總的關(guān)鍵的、基本的技術(shù)而日益受到關(guān)注，其主要目的是在語(yǔ)義空間里以無(wú)監(jiān)督的方式將文本集中的文本劃分成不同的類?；谖谋究臻g的文本聚類因?yàn)槠渚哂懈呔S的特征而不容易直接實(shí)現(xiàn)，所以文本聚類的首要步驟就是將文本空間的數(shù)據(jù)投影到較低維的語(yǔ)義空間里，使在文本空間里相鄰的數(shù)據(jù)向量在語(yǔ)義空間里根據(jù)某些提取的特征參數(shù)而相似。與PCA(主分量分析)和VQ(矢量量化)等降維算法不同，NMF(非負(fù)

2、矩陣分解)算法能夠分解出非負(fù)的，稀疏的特征矩陣和編碼矩陣，能夠提取原始數(shù)據(jù)向量的局部特征，使基于局部特征進(jìn)行分類的聚類算法更容易實(shí)現(xiàn)。如果將一篇文檔看作是由許多文本主題組合而成，而文本主題與語(yǔ)義空間的特征向量相對(duì)應(yīng)的話，則我們可以直接根據(jù)NMF算法所提取的特征向量及相對(duì)于特征向量各文檔的編碼向量將文本集劃分成不同的類。因此，NMF算法用于文本聚類的優(yōu)點(diǎn)就是可以直接利用其分解得到的編碼矩陣結(jié)合特征矩陣進(jìn)行聚類操作。 本文主要采用S

3、NMF(非負(fù)稀疏矩陣分解)算法作為降維和提取特征向量的工具，該算法是在NMF算法的基礎(chǔ)上加上顯式地稀疏因子控制而形成的一種非負(fù)矩陣分解方法。同時(shí)采用球形k-平均算法和NNLS(非負(fù)最小平方差)算法的結(jié)果初始化SNMF算法以達(dá)到改進(jìn)和優(yōu)化SNMF算法的目的；通過(guò)結(jié)合SNMF算法與LPI(局部保留索引)算法以實(shí)現(xiàn)在無(wú)監(jiān)督的方式下取得更準(zhǔn)確聚類結(jié)果的算法。與基于NMF算法的文本聚類不同，我們的算法力求以無(wú)監(jiān)督的方式，在時(shí)間復(fù)雜度允許的范圍內(nèi)，