摘要

我们提出了几种用于半监督非负矩阵分解（SSNMF）的新模型，并基于不确定性特定分布的假设，为SSNMF模型提供了最大似然估计的理论动机。针对每种新模型，我们设计了乘性更新训练方法，并展示了这些模型在分类任务中的应用潜力，同时其框架也具备拓展至其他监督学习任务的灵活性。我们在合成数据和真实数据上验证了这些模型及其训练方法的有效性，尤其在20 Newsgroups数据集上取得了较高的分类准确率。