近年来，非负矩阵分解模型已经成为数据挖掘领域中最成功的模型之一。该模型能够自动从一组高维向量中提取隐含模式，从而被广泛应用于降维、无监督学习（图像处理、聚类和双聚类等）和预测当中。本文将从它的发展历史、数学表达形式、算法和热点应用等几个层面对非负矩阵分解模型进行综述。简言之，该模型具有较好的可解释性, 模型简单，易于理解操作，可拓展性强，该模型和无监督学习领域中其它被广泛采用的模型关系紧密，且有广泛的应用空间，数值表现优异。 同时作为一项新兴技术, 该模型亦有许多有趣的问题值得进一步深入研究。