智能AI
morning
词文档矩阵谱共聚类的随机 SVD 近似
摘要
arXiv:2609.19243v1 Announce Type: new Abstract: Spectral co-clustering is a useful tool for discovering latent structure in word-document matrices, but its reliance on singular value decomposition (SV...
the
SVD
data
clustering
for
randomized
and
method
random
useful
2026-09-18
1 阅读
约1分钟阅读
Fateme Mazdarani, Carlos Toxtli
字号:
arXiv:2609.19243v1 公告类型：新 摘要：谱共聚类是发现单词文档矩阵中潜在结构的有用工具，但它对奇异值分解 (SVD) 的依赖可能会使标准公式在高维数据上变得昂贵。本文提出了当文档和单词簇的数量可能不同时二分文本数据的归一化谱共聚类的两种随机近似。第一种方法通过随机投影使用随机 SVD，而第二种方法将部分 SVD 与逐元素随机采样相结合。在现实世界和合成数据集中，这两种方法相对于完整 SVD 基线都减少了运行时间，但它们的行为取决于矩阵稀疏性。随机投影方法是测试设置中更可靠的近似方法，而基于采样的方法在较密集的矩阵上最有用，并且对已经稀疏的文本数据提供的好处有限。这些结果表明，应根据数据的基础结构选择谱共聚类的随机近似。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱