本發(fā)明涉及信息技術(shù)領(lǐng)域，特別是一種基于帶約束非負(fù)矩陣分解的科技資源元數(shù)據(jù)檢索方法。
背景技術(shù)：
詞袋模型(Bag of Word)：將一片文檔表示成為一個(gè)詞向量，每一維度對(duì)應(yīng)一個(gè)詞，維度數(shù)值大小表示該文檔中對(duì)應(yīng)詞的詞頻或者詞權(quán)重。
隱含語(yǔ)義分析LSA(Latent Semantic Analysis)：利用奇異值分解，將文檔矩陣拆分為三個(gè)矩陣，實(shí)現(xiàn)文檔到詞空間的映射，實(shí)現(xiàn)詞的語(yǔ)義表示。
隱含狄利克雷分布LDA(Latent Dirichlet Allocation)：基于概率分布，通過(guò)詞來(lái)生成文檔表示，使該文檔表示能夠含有語(yǔ)義信息。
Word2Vec：使用深度學(xué)習(xí)方法，學(xué)習(xí)每一個(gè)詞在空間中的表示，使得詞在該空間中滿足一定的語(yǔ)義信息。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明需要解決的技術(shù)問(wèn)題是提供一種簡(jiǎn)單的基于帶約束非負(fù)矩陣分解的科技資源元數(shù)據(jù)檢索方法。
為解決上述的技術(shù)問(wèn)題，本發(fā)明的基于帶約束非負(fù)矩陣分解的科技資源元數(shù)據(jù)檢索方法，包括以下步驟，
S101：形成原始文檔矩陣，對(duì)文本數(shù)據(jù)進(jìn)行編號(hào)，并進(jìn)行分詞，為每個(gè)詞分配唯一序號(hào)，以便能獲取詞對(duì)應(yīng)的列，抽取文檔Tf-Idf特征，按照每一篇文檔進(jìn)行歸一化，形成原始文檔矩陣；
S102：按照維度生成兩個(gè)矩陣；
S103：文檔主題分類；
S104：獲得文檔在主題下的表示，采用梯度下降方法，迭代矩陣，直至矩陣收斂，即可獲得文檔在主題下的表示。
進(jìn)一步的，所述步驟S102中設(shè)定主題個(gè)數(shù)k，按照維度要求生成兩個(gè)矩陣，用隨機(jī)數(shù)初始化矩陣中的數(shù)值。
進(jìn)一步的，所述步驟S103中文檔主題分為共有主題和私有主題兩大類。
更進(jìn)一步的，所述步驟S103中共有主題的約束條件為約束文檔的主題表示矩陣，前n列采用平滑約束；私有主題的約束條件為約束文檔的主題表示矩陣，后m列采用稀疏約束。
采用上述方法后，本發(fā)明相比計(jì)算較為復(fù)雜的奇異值分解，非負(fù)矩陣分解求解方法在算法復(fù)雜度上更加簡(jiǎn)單一些；另外，在主題質(zhì)量上，產(chǎn)生的主題更加專有，更適合應(yīng)用于檢索。
附圖說(shuō)明
下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
圖1為本發(fā)明基于帶約束非負(fù)矩陣分解的科技資源元數(shù)據(jù)檢索方法的流程示意圖。
具體實(shí)施方式
如圖1所示，本發(fā)明的基于帶約束非負(fù)矩陣分解的科技資源元數(shù)據(jù)檢索方法，包括以下步驟，
S101：形成原始文檔矩陣，對(duì)文本數(shù)據(jù)進(jìn)行編號(hào)，并進(jìn)行分詞，為每個(gè)詞分配唯一序號(hào)，以便能獲取詞對(duì)應(yīng)的列，抽取文檔Tf-Idf特征，按照每一篇文檔進(jìn)行歸一化，形成原始文檔矩陣；
S102：按照維度生成兩個(gè)矩陣；
S103：文檔主題分類；
S104：獲得文檔在主題下的表示，采用梯度下降方法，迭代矩陣，直至矩陣收斂，即可獲得文檔在主題下的表示。
進(jìn)一步的，所述步驟S102中設(shè)定主題個(gè)數(shù)k，按照維度要求生成兩個(gè)矩陣，用隨機(jī)數(shù)初始化矩陣中的數(shù)值。
進(jìn)一步的，所述步驟S103中文檔主題分為共有主題和私有主題兩大類。
更進(jìn)一步的，所述步驟S103中共有主題的約束條件為約束文檔的主題表示矩陣，前n列采用平滑約束；私有主題的約束條件為約束文檔的主題表示矩陣，后m列采用稀疏約束。
雖然以上描述了本發(fā)明的具體實(shí)施方式，但是本領(lǐng)域熟練技術(shù)人員應(yīng)當(dāng)理解，這些僅是舉例說(shuō)明，可以對(duì)本實(shí)施方式作出多種變更或修改，而不背離本發(fā)明的原理和實(shí)質(zhì)，本發(fā)明的保護(hù)范圍僅由所附權(quán)利要求書(shū)限定。