Investigating Boolean Matrix Factorization

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F08%3A00313987" target="_blank" >RIV/67985807:_____/08:00313987 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Investigating Boolean Matrix Factorization

Original language description

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 informationretrieval, 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.

Czech name

O výzkumu Booleovské faktorové analýzy

Czech description

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.

Type

D - Article in proceedings

CEP classification

BB - Applied statistics, operational research

OECD FORD branch

—

Project

—

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Data Mining using Matrices and Tensors

ISBN

978-1-60558-307-5

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

—

Publisher name

ACM

Place of publication

-

Event location

Las Vegas

Event date

Aug 24, 2008

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—