潛在語義分析理論研究及其應用.pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機技術和信息技術的不斷發(fā)展,尤其是互聯(lián)網(wǎng)技術的日新月異,使得人們能獲得信息成幾何級飛速增長。但是面對著這些浩如煙海而又紛繁雜亂的信息資源,依靠人工的分析標引,甚至是單純的匹配檢索技術已經(jīng)無法滿足日益增長的變化的用戶需求。從而需要計算機的智能處理技術來提高查找有用信息的效率,其中高效、準確的信息表示方式是各種后續(xù)智能處理的重要基礎。 基于文本關鍵詞的向量空間模型(VSM)對信息檢索中的文本采用向量表示方法,為計算機處理文本

2、信息提供了良好的表示方式。但是這種關鍵詞的表示方法是基于詞間關系相互獨立的假設下,而在現(xiàn)實中往往同義詞,近義詞大量存在,同時忽視上下語境孤立地看待文本內(nèi)容,勢必影響查詢結果的準確性和完整性。 本文所論述的潛在語義分析(LatentSemanticAnalysis,簡稱LSA)通過數(shù)學中的奇異值分解(SingularValueDecomposition,簡稱SVD)來分析文本集中各個詞匯之間,各個文本之間,文本與提問式之間的關系,

3、是一種產(chǎn)生關鍵詞-概念(語義)之間映射規(guī)則的方法。LSA認為詞語在文本中的使用模式內(nèi)存在著潛在的語義結構,同義詞之間應該具有基本相同語義結構,多義詞必定具有不同的語義結構。LSA通過提取并量化這些潛在語義結構,進而消除同義詞、多義詞的影響,提供文本表示的準確性。而隨后又出現(xiàn)的PLSA(ProbabilisticLatentSemanticAnalysis)對基于奇異值分解的LSA又進行了統(tǒng)計學極大似然估計重新解釋。LSA最初應用在文本信

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論