Representation : from Vector to Tensor *
Representation : from Vector to Tensor *
复制标题
DOI：
10.1109/icdm.2005.144
复制
发表时间：
2005-11
期刊：
影响因子：
--
通讯作者：
Ning Liu;Benyu Zhang;Jun Yan;Zheng Chen;Wenyin Liu;F. Bai;Leefeng Chien
中科院分区：
文献类型：
--
作者：
Ning Liu;Benyu Zhang;Jun Yan;Zheng Chen;Wenyin Liu;F. Bai;Leefeng Chien
本文提出了一种文本表示模型--张量空间模型（TSM），该模型用多线性代数高阶张量代替传统的向量对文本进行建模。在多重线性代数技术的支持下，TSM为分析多因子结构提供了一个强有力的数学框架。TSM还得到了某些特定操作和工具的支持，例如用于降维和其他应用的高阶奇异值分解（HOSVD）。在20个新闻组数据集上的实验结果表明，TSM在文本分类方面始终优于VSM。
In this paper, we propose a text representation model, Tensor Space Model (TSM), which models the text by multilinear algebraic high-order tensor instead of the traditional vector. Supported by techniques of multilinear algebra, TSM offers a potent mathematical framework for analyzing the multifactor structures. TSM is further supported by certain introduced particular operations and presented tools, such as the High-Order Singular Value Decomposition (HOSVD) for dimension reduction and other applications. Experimental results on the 20 Newsgroups dataset show that TSM is constantly better than VSM for text classification.