Investigating Boolean Matrix Factorization

0313987 - ÚI 2009 RIV US eng C - Conference Paper (international conference)
Snášel, V. - Platoš, J. - Krömer, P. - Húsek, Dušan - Neruda, Roman - Frolov, A. A.
Investigating Boolean Matrix Factorization.
[O výzkumu Booleovské faktorové analýzy.]
Data Mining using Matrices and Tensors. -: ACM, 2008 - (Ding, C.; Li, T.; Zhu, S.), s. 18-25. ISBN 978-1-60558-307-5.
[DMMT'08. Workshop in Conjunction with SIGKDD 2008 /14./. Las Vegas (US), 24.08.2008-24.08.2008]
Institutional research plan: CEZ:AV0Z10300504
Keywords : Boolean factor analysis * nonnegative matrix factorization * neural networks * information retrieval * data mining * binary data
Subject RIV: BB - Applied Statistics, Operational Research
http://users.cs.fiu.edu/~taoli/kdd08-workshop/DMMT08-Proceedings.pdf

Matrix factorization or factor analysis is an important task helpful in the analysis of high dimensional real world data. There are several well known methods and algorithms for factorization of real data but many application areas including information retrieval, pattern recognition and data mining often require processing of binary rather than real data. Unfortunately, the methods used for real matrix factorization fail in the latter case. In this paper we focus on the Boolean Matrix Factorization (BMF), introduce the task and present neural network, genetic algorithm and nonnegative matrix factorization based BMF solvers. The algorithms are tested on several data sets and their results are compared.

Rozklad matic respektive faktorová analýza je důležitá úloha v oblasti analýzy dat s vysokou dimenzí. Ve známost již vešlo mnoho metod a algoritmů pro data tvořená reálnými čísly, ale v mnoha aplikačních oblastech, např v oblasti dokumentografických systémů (IR), rozpoznávání vzorů (pattern recognition) a vytěžování dat (data mining), vzniká požadavek na analýzu binárních dat, kdy metody používané pro rozklad reálných matic jsou zcela nepoužitelné. V tomto příspěvku se zaměřujeme na Booleovskou faktorovou analýzu, která tento problém řeší. Přinášíme jak definici samotné jak samotné úlohy, tak řešící algoritmus založený ne neuronové síti a také metodu založenou na NMF. Algoritmy jsou testovány na standardních datových souborech a výsledky jsou pak porovnány.
Permanent Link: http://hdl.handle.net/11104/0164635