通过非负矩阵分解对异文与手稿进行双聚类，及其在《犹大书》文本中的应用
机器学习
2016-02-04 v1
摘要
将见证分组为家族或文本类型的校勘实践常面临两个障碍：手稿传统中的污染，以及在识别特征性异文和手稿时的相互依赖。我们引入非负矩阵分解（NMF）作为一种简单、无监督且高效的方法，用于同时聚类大量手稿和异文，同时使用易于解释的混合模型来概括污染。我们将此方法应用于《新约》犹大书（Jude）书信的广泛校勘，并显示所得聚类对应于现有研究中人工识别的文本家族。
引用
@article{arxiv.1602.01323,
title = {Biclustering Readings and Manuscripts via Non-negative Matrix Factorization, with Application to the Text of Jude},
author = {Joey McCollum and Stephen Brown},
journal= {arXiv preprint arXiv:1602.01323},
year = {2016}
}
备注
31 pages, 2 figures, 42 tables