用于文档分类的半监督非负矩阵分解
信息检索
2022-03-08 v1 机器学习
数值分析
数值分析
摘要
我们提出新的半监督非负矩阵分解（SSNMF）模型用于文档分类，并从最大似然估计的角度为这些模型提供动机。所提出的 SSNMF 模型同时提供主题模型和分类模型，从而给出高度可解释的分类结果。我们推导了使用乘性更新训练每个新模型的方法，并展示了这些模型在单标签和多标签文档分类中的应用，尽管这些模型也可灵活用于其他监督学习任务如回归。我们在文档分类数据集（如 20 Newsgroups、Reuters）上说明了这些模型和训练方法的潜力。
引用
@article{arxiv.2203.03551,
title = {Semi-supervised Nonnegative Matrix Factorization for Document Classification},
author = {Jamie Haddock and Lara Kassab and Sixian Li and Alona Kryshchenko and Rachel Grotheer and Elena Sizikova and Chuntian Wang and Thomas Merkh and RWMA Madushani and Miju Ahn and Deanna Needell and Kathryn Leonard},
journal= {arXiv preprint arXiv:2203.03551},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2010.07956