一種潛在語義索引差異模型及其應(yīng)用.pdf

1、目前，文本自動分類是信息檢索領(lǐng)域中的研究熱點(diǎn)之一，傳統(tǒng)的文本分類方法是采用詞作為特征構(gòu)建特征向量，但是文本中詞的數(shù)量非常大，導(dǎo)致了特征向量空間的維數(shù)非常高，因此需要對文本進(jìn)行降維。目前降維技術(shù)主要有兩種：特征選擇和特征抽取重構(gòu)。本文所采用的潛在語義索引(Latent Semantic Indexing，LSI)是一種特征抽取方法，可以將特征詞空間映射到低維的語義空間，達(dá)到明顯的降維效果。目前，潛在語義索引廣泛應(yīng)用于信息檢索領(lǐng)域，由于LS

2、I在降低維數(shù)的同時忽略了樣本的類別信息，是一種完全無監(jiān)督的降維方式，因此，不能起到優(yōu)化類別區(qū)分能力的作用。近年來出現(xiàn)了很多對LSI的改進(jìn)，如局部潛在語義索引模型(Local Latent Semantic Indexing，LLSI)和有監(jiān)督的潛在語義索引模型(SupervisedLatent Semantic Indexing，SLSI)等。它們將文本的類別信息加入到了潛在語義空間中，進(jìn)而改善了文本分類的精度。
　　 本文在各

3、種LSI模型的基礎(chǔ)上，提出了一種新的潛在語義索引模型——潛在語義索引差異模型(Difference Latent Semantic Indexing，DLSI)。介紹了潛在語義差異模型的原理，并借助SVM文本分類算法與其他經(jīng)典的潛在語義索引模型進(jìn)行了性能比較。實(shí)驗(yàn)證明，DLSI具有良好的分類有效性和準(zhǔn)確度，尤其在英文文本的分類實(shí)驗(yàn)中，分類精度比其他模型有明顯提高。
　　 本文的創(chuàng)新點(diǎn)之處有：
　　 1)在各種潛在語義索引