非负矩阵分解在标签语义分析中的应用

• 作者: 廖胜才 张雷鸣 李秋丹
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 非负矩阵分解 标签 标签语义挖掘
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 171-174,191
• 分类号: TP391
• 字数: 5424字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.04.043

摘要

随着Web2.0技术的发展,社会标注系统日渐流行起来,使得标签在用户收藏的检索和分类管理等方面得到了广泛的应用.然而,由于用户使用标签的自由、非控制性,导致标签在使用上存在冗余和语义模糊性.为了处理该问题,提出一种基于非负矩阵分解(Non-negative Matrix Factorization,NMF)的标签语义挖掘算法,通过对用户的标注数据进行非负矩阵分解,得到一个包含一系列语义相关标签基的标签子空间,使得同义及相关的标签聚合于同一标签基,且一词多义的标签归类到语义不同的标签基,从而实现标签语义的近义归类和多义辨析.通过大量实验充分展示了提出的算法在标签语义挖掘方面的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李秋丹	中国科学院自动化研究所复杂系统与智能科学重点实验室	8	88	5.0	8.0
2	张雷鸣	中国科学院自动化研究所复杂系统与智能科学重点实验室	2	10	1.0	2.0
3	廖胜才	中国科学院自动化研究所模式识别国家重点实验室	3	18	2.0	3.0