提取核心特征词的惩罚性矩阵分解方法——以共词分析为例

被引：4

作者：

俞仙子 ^{[1
]}

高英莲 ^{[2
]}

马春霞 ^{[1
]}

刘金星 ^{[1
]}

机构：

[1] 曲阜师范大学信息技术与传播学院

[2] 曲阜师范大学图书馆

来源：

现代图书情报技术 | 2014年 / 03期

关键词：

惩罚性矩阵分析; 特征词提取; 主成分分析;

D O I：

暂无

中图分类号：

GG250.2 [];

学科分类号：

04 ;

摘要：

【目的】在共词分析时对高维共词矩阵进行稀疏降维,直观快速地凸显出高维矩阵中的核心特征词。【方法】提出基于惩罚性矩阵分解(PMD)的文本核心特征词提取方法,选取有关高校图书馆使用社交网络这一主题的文献进行实验,用Matlab R2012a对构建的共词矩阵进行PMD分解降维。【结果】利用PMD从1 648个特征词中提取出65个核心特征词,不仅大于用主成分分析提取的34个特征词,而且揭示出高校图书馆使用社交网络的研究热点。【局限】实验中提取的高校图书馆使用社交网络的特征词未能全面涉及,有一定的主观性。【结论】用PMD方法对高维共词矩阵进行稀疏后,所获核心特征词更容易被理解和解释,也能够表明一些边缘化的主题。

引用

页码：88 / 95

页数：8

共 13 条

[1] 近十年知识管理领域硕博士学位论文研究热点分析——以共词分析为方法 [J].