版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、當(dāng)前信息檢索技術(shù)面臨著各種信息資源更新越來越快,用戶檢索結(jié)果要求越來越精確的嚴(yán)重挑戰(zhàn),如何有效地找到所需信息因而成為了一個關(guān)鍵問題,語義檢索是解決這一問題的非常有潛力的方法。語義檢索的核心要點(diǎn)是基于概念的檢索匹配機(jī)制。潛在語義分析(LSA)是實(shí)現(xiàn)概念檢索的重要方法之一。它的出發(fā)點(diǎn)就是文本中的詞與詞之間存在某種聯(lián)系,即存在某種潛在的語義結(jié)構(gòu)。目前存在著SVD和SDD這兩種構(gòu)造典型LSA空間的算法。
本文首先介紹了語義檢索的相關(guān)知
2、識。然后分別介紹了潛在語義分析中奇異值分解(SVD)和半離散矩陣分解(SDD)這兩種矩陣分解算法的理論基礎(chǔ)和實(shí)現(xiàn)過程。最后,分別從數(shù)學(xué)特性分析的角度和具體的信息檢索應(yīng)用實(shí)例來分析比較這兩種矩陣分解算法。通過對SVD和SDD這兩種算法的對比研究,可知半離散矩陣分解方法作為一種新的構(gòu)造潛在語義空間的方法,在信息檢索應(yīng)用中也具有和奇異值分解方法同等的檢索效果。SDD算法不僅彌補(bǔ)了傳統(tǒng)SVD算法無法大規(guī)模應(yīng)用的局限,而且結(jié)合它壓縮比大等優(yōu)點(diǎn)為基
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 潛在語義分析中算法的并行化研究與實(shí)現(xiàn).pdf
- 基于潛在語義分析的文本分類算法研究.pdf
- 基于潛在語義分析的文本檢索算法研究.pdf
- 結(jié)合聚類的潛在語義檢索算法研究.pdf
- 基于本體和潛在語義索引算法的文本分類方法研究.pdf
- 基于潛在語義索引和免疫學(xué)習(xí)的BIRCH聚類算法研究.pdf
- 基于統(tǒng)計和潛在語義分析的混合語言模型的研究.pdf
- 潛在語義分析在文本信息檢索中的應(yīng)用研究.pdf
- 基于潛在語義分析的查詢擴(kuò)展研究.pdf
- 基于潛在語義索引的文本聚類算法研究.pdf
- 基于潛在語義分析和最大熵的中文情感分析研究.pdf
- 基于DWT和SVD的數(shù)字水印算法.pdf
- 關(guān)于SDD 矩陣和H-矩陣算法的研究+.pdf
- 面向領(lǐng)域文本的潛在語義分析研究.pdf
- 基于潛在語義分析的中文概念檢索研究.pdf
- 基于ATN算法和潛在語義索引的不良信息過濾系統(tǒng)研究.pdf
- 潛在語義分析理論研究及其應(yīng)用.pdf
- 概率潛在語義分析及其應(yīng)用.pdf
- Massive MIMO中矩陣SVD分解算法研究.pdf
- 一種改進(jìn)的概率潛在語義分析下的文本聚類算法研究.pdf
評論
0/150
提交評論