May | 2008 | Lianxu

文本分类、聚类算法中，最常见的障碍就是高维矩阵。对于具有一定规模的文本聚类很轻易会遇到维度成千上万的矩阵，如果按照常规计算方法，耗时将不可估量。而非负矩阵分解则是非常好的降维理论，利用非负矩阵分解我们可以将高维矩阵分解为可接受的小维矩阵，并保持其原矩阵的特征。这篇文章将介绍如何利用非负矩阵分解做文本聚类。非负矩阵分解英文全称是 Non-negative matrix factorization(NMF)。请您记住本文只做文本聚类，并不介绍如何中文分词。