A probabilistic matrix factorization algorithm for approximation of sparse matrices in natural language processing

این مقاله تنوع یک الگوریتم تقسیم بندی ماتریسی احتمالات شناخته شده را که معمولا در تجزیه و تحلیل داده ها و محاسبات علمی مورد استفاده قرار می گیرد، ارائه می دهد و اخیرا به منظور پردازش زبان طبیعی مورد استفاده قرار گرفته است. تنوع پیشنهادی به این معنی است که ماتریس هایی که در پردازش وظایف پردازش زبان طبیعی پردازش می شوند معمولا ماتریس های مستطیلی مبهم هستند که یک بعد بسیار بزرگتر از دیگری است و می تواند برای اطمینان از صحت کافی با زمان محاسبه قابل قبول استفاده شود. آزمایش های اولیه در مورد ساختارهای متنی واقعی در جهان نشان می دهد که الگوریتم پیشنهادی در مقایسه با اصل اول بهبود یافته است.