基于非负因子分析的模糊文本挖掘.pdfVIP

基于非负因子分析的模糊文本挖掘 朱强生1田英2周延泉1何华灿1 (1．北京邮电大学智匍斗刳支术研究中心北京100876) (2．中国农业大学理学院数学组北京100094) 摘要文本聚类是目前文本挖掘中重要的探索性数据分析方法。—篇文档仅属于某个主题，是很不现 实的，所以模糊文本聚类比—般的硬文本聚类更科学。苓文借助于非负矩阵分解算法，提出了—种基于 非负因子分析的模糊文本聚类方法。 关键词文本聚类；模糊C．均值；非负因子分析；非负矩阵分解 text basedon I．actor Fuzzymining nonnegativeanalysis 1zI-IU ZHOU HEHua-Can Qiang．Sheng，2TIANYmg，1 Yan-Quan，1 1000876,China) in Abstract：Asall data is text aswe method,text exploratoryanalysis clusteringveryimportantmining．Just know，thereseldomexistsdocumentthat tOone text methodsalemorg onlybelongstOpic，SOfuzzyclustering scientificthanthose the matrixfactorization forwardall cIispones．Inspiredby nonnegative alg嘶mlllweput text methodbasedon factOr fuzzyclustering nonnegativeanalysis． Words：text factor matrixfactorization Key analysis；nonnegafive clustering；fuzzyC-means；nonnegative 1．引言 互联网的飞速发展积攒了大量的文本数据，怎样有效的利用这些数据是文本挖掘和信息检索领域主 要研究的问题。比如怎样快速的查询数据、从数据中分析和提取有用信息、不同文档之间的比较、多文 档的模式或趋势等等【4】。最初关于文本聚类的研究主要是用来提高信息检索系统的查准率和查精率的 【2】[31。 聚类分析是模式识别、机器学习、数据挖掘中的重要的探索|生数据分析方法，它旨在通过某种准则 把相似的对象聚集到一个类中，而不同类的对象之间尽可能的不相似。其聚类结果不但可以帮助我们理 解待研究的数据，而且可以揭示数据的内部结构。但现实应用中，大多数研究对象尤其文本类研究对象， 不具有严格的属性明显区分彼此，，因此就衍生出一些模糊聚类的算法【l】，如模糊C一均值、基于神经网络 的模糊聚类、基于遗传算法的模糊聚类等等来探讨这些数据的内部结构。 本文中提出了一种基于非负因子分析的模糊文本聚类算法。我们知道用因子分析的方法分析文本数 据主要源于总可以把文档集归为某几类主题(因子)，而每篇文档可以看作是这些因子的组合(系数表示 文档在多大程度是属于该类文档)。传统的因子分析的系数矩阵的元素有正有负，使得对这些结果的解释 很难。因此借鉴【5】中给出的非负矩阵分解算法，我们给出了一种非负因子分析算法。这样得到的结果是 符合常规解释的，而且试验结果表明该算法优于模糊C．均值算法。