提取核心特征词的惩罚性矩阵分解方法——以共词分析为例

？[目的]在共词分析时对高维共词矩阵进行稀疏降维，直观快速地凸显出高维矩阵中的核心特征词。[方法]提出基于惩罚性矩阵分解（pmd）的文本核心特征词提取方法，选取有关高校图书馆使用社交网络这一主题的文献进行实验，用matlabr2012a对构建的共词矩阵进行pmd分解降维。[结果]利用pmd从1648个特征词中提取出65个核心特征词，不仅大于用主成分分析提取的34个特征词，而且揭示出高校图书馆使用社交网络的研究热点。[局限]实验中提取的高校图书馆使用社交网络的特征词未能全面涉及，有一定的主观性。[结论]用pmd方法对高维共词矩阵进行稀疏后，所获核心特征词更容易被理解和解释，也能够表明一些边缘化的主题。