基于概念全信息空间的文本知识挖掘算法

摘要

提出了用非负矩阵因子分解法(NMF)得到的基向量作为概念空间,并用其代替原特征向量空间来表示文本特征的方法,该方法不仅降低了特征空间的维数而且弥补了传统表示法无法体现特征相关性的不足.在此基础上,提出了基于概念全信息空间的文本知识挖掘算法.实验结果表明,与单纯的基于语义的知识挖掘方法相比,提出的算法具有更好的精度与效率,提取的知识既包含具体内容又体现知识的价值,能够为智能决策的合理性提供可靠的依据.