La factorización de matrices no negativas (NMF) ha demostrado ser una técnica sólida de representación de datos, con aplicaciones en minería de texto, reconocimiento de patrones, procesamiento de imágenes, clustering y otros campos. En este documento, proponemos una factorización de matrices no negativas suave regularizada por hipérgrafos (HGSNMF) incorporando el término de regularización de hipérgrafos y el término de restricción de suavizado en el modelo estándar de NMF. El término de regularización de hipérgrafos puede capturar la estructura geométrica intrínseca de los datos de espacio de alta dimensión de manera más completa que los grafos simples, y el término de restricción de suavizado puede producir una solución suave y más precisa al problema de optimización. Las reglas de actualización se dan utilizando técnicas de actualización multiplicativa, y la convergencia del método propuesto se investiga teóricamente. Los resultados experimentales en cinco conjuntos de datos diferentes muestran que el método propuesto tiene un mejor efecto de clustering que los métodos relacionados de última generación en la gran mayoría de los casos.