几种文本特征降维方法的比较分析

• 作者: 王正欧 高茂庭
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本挖掘 降维 随机映射 非负矩阵分解 概念索引 隐含语义分析
• 年，卷（期）: 2006,（30）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 157-159
• 页数: 3页
• 分类号: TP183
• 字数: 4058字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.30.047

摘要

文本挖掘中采用向量空间模型(VSM)来表达文本特征,表现出巨大的维数,从而导致处理过程计算复杂,为此,需要先对文本特征矩阵进行合理的降维处理.隐含语义分析(LSA)、概念索引(CI)、非负矩阵分解(NMF)和随机映射(RP)是几种有效的降维方法,在分析降维空间的含义和计算复杂度后,通过文本聚类实验比较和分析了这几种降维方法的差异,实验表明,这些方法不仅可以对文本特征空间作有效的降维处理,还能在不同程度上凸现文本和词条之间的语义关系,从而提高文本挖掘的效率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高茂庭	天津大学系统工程研究所	83	424	11.0	16.0
3	王正欧	天津大学系统工程研究所	91	2104	28.0	41.0