惩罚性矩阵分解及其在共词分析中的应用

被引：4

作者：

邵作运 ^{[1
]}

李秀霞 ^{[2
]}

机构：

[1] 曲阜师范大学日照校区图书馆

[2] 曲阜师范大学传媒学院

来源：

图书情报工作 | 2015年 / 59卷 / 13期

关键词：

PMD算法; 共词分析; 特征词提取; 特征词软聚类; 可视化;

D O I：

10.13266/j.issn.0252-3116.2015.013.018

中图分类号：

G254 [文献标引与编目];

学科分类号：

1205 ; 120501 ;

摘要：

[目的 /意义]基于高维矩阵稀疏降维的思想,提出一种利用惩罚性矩阵分解(Penalized Matrix Decomposition,PMD)实现共词分析的新方法。[方法 /过程]以"学科服务"为研究主题,根据PMD算法原理,在Matlab环境下分别实现特征词的提取、特征词的软聚类以及聚类效果的可视化。[结果 /结论]与传统的共词分析方法对比,PMD算法在共词分析中具有独特的优势:提取的特征词比较全面,聚类数目便于确定,聚类结果易于理解。

引用

页码：126 / 133+148 +148

页数：9

共 25 条

[1]

基于混合加权的共词分析方法研究.[D].杨彦荣.西北农林科技大学.2011, 04

[2]

基于社会网络分析的项目管理学科热点和主流知识群的研究.[D].舒琅.浙江大学.2010, 02

[3]

聚类分析及其应用研究.[D].唐东明.电子科技大学.2010, 12

[4] Discovering the transcriptional modules using microarray data by penalized matrix decomposition [J].