全球专业中文经管百科,由121,994位网友共同编写而成,共计436,015个条目

潛語義標引模型

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

潛語義標引模型(Latent Semantic Analysis,LSA)

目錄

什麼是潛語義標引模型[1]

  潛語義標引模型是由S.Derewester和S.T.Dumais提出,其將標引詞之間、文獻之間的相關關係以及標引詞與文獻之間的語義關聯都考慮在內,將文獻向量和提問向量映射到與語義概念相關聯的較低維度的空間中,從而把文獻的標引詞向量空間轉化為語義概念空間;然後再在降維了的語義概念空間中,計算文獻向量和提問向量的相似度,然後根據所得的相似度把排列結果返回給用戶。

潛語義標引模型的主要思想[2]

  潛語義標引模型的主要思想是將文檔和查詢向量映射到與概念相關聯的空間,這可以通過把索引項向量映射到維數較低的空間來實現。這種觀點認為,在維數降低了的空間中的檢索可能優於在索引項集合中的檢索。潛在語義分析同向量空間模型類似,都是採用空間向量表示文本,但通過奇異值分解(Singular Value Decomposition,SVD)等處理,消除了同義詞、多義詞的影響,提高了後續處理的精度。因而在信息檢索信息過濾、相關反饋、信息聚類/分類、跨語言信息檢索、信息理解和判斷及預測等方面都有廣泛的應用。

  假設有一個文本集,包含n個文檔,用到了t個辭彙,構造“詞項-文檔矩陣”(Term-Document-MatriX,TDM):

 d1d2\cdotsdn
k1

M_{t \times n}=[M_{i,j}]=k_2
\vdots

kt
\begin{bmatrix} w_{1,1} & w_{1,2} & \cdots & w_{1,n} \\ w_{2,1} & w_{2,2} & \cdots & w_{2,n}\\ \vdots & \vdots & \cdots & \vdots \\ w_{t,1} & w_{t,2} & \cdots & w_{t,n} \end{bmatrix}

  對矩陣的每一個元素mi,j,可以為其分配一個權值叫wi,j,表示詞項ki在文檔dj中的權重。由於任意一個文檔總是由有限個辭彙,而不是由所有t個辭彙構成的,所以M必是一個稀疏矩陣。

  潛語義標引模型的關鍵思想是將文檔和辭彙映射到一個低維的向量空間,即潛在語義空間。潛語義標引模型利用奇異分解SVD的方法實現這種降維。

相關條目

參考文獻

  1. 陳次白,丁晟春,顏端武等編著.信息存儲與檢索技術(第二版).國防工業出版社,2008
  2. 董守斌,袁華編著.網路信息檢索.西安電子科技大學出版社,2010
本條目對我有幫助3
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目投訴舉報

本条目由以下用户参与贡献

KAER,Mis铭,Tracy.

評論(共0條)

提示:評論內容為網友針對條目"潛語義標引模型"展開的討論,與本站觀點立場無關。

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

官方社群
下载APP

闽公网安备 35020302032707号