孙泽强，谢红薇，郝晓燕

（太原理工大学计算机科学与技术学院，山西太原030024）

0 引 言

随着生物医学文献的快速增长和学科界限的打破，跟踪这些新的发现就成了一个很大的挑战。此外，有关染色体组和蛋白质组的技术的最新发展，以及大量染色体组信息涌入生物医学研究，使得我们很难判断基因之间复杂的功能关系。由于这方面的研究既费时又昂贵，所以尽可能地从现有的文献中挖掘信息变得越来越重要。为了帮助研究人员利用现有的生物医学文献和基因组信息，已经有大量的人力物力投入到了开发有效的数据挖掘工具中。

Semantic gene organizer（SGO）是一种最有效的工具之一，使用潜在语义索引（LSI），执行截断奇异值分解（SVD），提取和筛选基因之间的功能关系［1］。Xu lijing等人验证了使用LSI从生物医学文献中提取明确的（直接）和隐藏的（间接）基因之间的功能关系的有效性。基本的SVD分解技术是将一个术语－基因文档矩阵分解为一系列新的因子矩阵，在低维子空间中，这些因子矩阵既可以用来描述术语，也可以用来描述文档。然而，很难直观地解释LSI的因子。LSI可以确定哪些基因是相关的，却很难说明这些基因为什么相关。

Li Fang使用非负矩阵分解（NMF）的方法，保持了原始数据矩阵的非负性［2］。NMF产生的低阶因子矩阵也被解释为数据的一部分，这种特性在科学、工程和医学等许多领域得到应用［3］。最近，NMF被广泛地应用在生物信息学领域中的，包括基因表达数据的分析，序列的分析，基因列表的功能特性和文本挖掘［4－9］。……