01_矩阵论_第一章.ppt

谢谢 (k1?1 + k2?2, ?) = k1(?1, ?) + k2(?2, ?) = 0 因此，k1?1 + k2?2?UT，即 UT 是 Vn(F) 的一个子空间。 (2) 设 {?1, ?2, …, ?r} 是 U 的标准正交基，把它扩充成 Vn(F) 的标准正交基 {?1, ?2, …, ?r, ?r+1, …, ?n}，则 Vn = L{?1, ?2, …, ?r, ?r+1, …, ?n} U = L{?1, ?2, …, ?r} UT = L{?r+1, …, ?n} 所以 Vn = U + UT。 又 ???U?UT，有 ??U，并且 ??UT，从而 (?, ?) = 0，即 ? = 0。于是 Vn(F) = U?UT。 一般地，我们称由 (1.21) 式所定义的子空间 UT 为 U 的正交补子空间。 线性空间的应用举例 文本信息检索的向量空间模型 文本信息检索，包括信息的存储、组织、表现、查询、存取等各个方面，其核心为文本信息的索引和检索。传统的文本信息检索是围绕相关度这个概念展开的，通常分为基于文字的检索、基于结构的检索和基于用户信息的检索三类。 基于文字的检索主要根据文档的文字内容来计算查询和文档之间的相关性测度，使得与用户查询需求最相关的结果排在最前面，同时允许尽可能多的、与用户查询有一定关系的结果被包括进来。上世纪 70 年代到 80 年代，许多基于文字的信息检索理论与模型被提出，其中最为著名的是 Gerard Salton 提出的向量空间模型，至今该模型仍然是文本信息检索领域最为常用的模型之一。 向量空间模型是一个用于信息检索的代数模型，实施的主要步骤为： 1? 对待检索的 m 个文本文档(Document)编号，构成文档集合 {D1, D2, …, Dm}； 2? 对文本进行预处理，抽取代表其内容特征的基本语言单位，如某些词或者短语，构成特征项(Term)集合 {T1, T2, …, Tn}； 3? 将每个文档描述成由一系列特征项组成的向量，向量的分量为各个特征项 Ti 在 Dj 中的 TF?IDF 权值 wi(Dj)，即 Dj = (w1(Dj), w2(Dj), …, wn(Dj))T； 4? 依据布尔模型对查询(Query，记为Q)条件向量化：当 Ti 在查询条件 Q 中时，将对应的第 i 坐标置为 1，否则置为 0，即 Q = (q1, q2, …, qn)T， (14) 5? 计算文档 Dj 与查询 Q 的相关度： (15) 6? 根据 Sim(Dj, Q)，j = 1, 2, …, m，对待检索的文档进行排序。 至于模型实施的第三步中特征项 Ti 在 Dj 中的权值 wi(Dj)，通常采用 TF?IDF 加权技术获得，用来评估一个特征项相对于文档集合中一个文档的重要程度。 (1) TF 为特征项频率(Term Frequency)的缩写，特征项 Ti 在 Dj中的 TF 权为 tfi(Dj)，通过下式计算 (16) (1) TF 为特征项频率(Term Frequency)的缩写，特征项 Ti 在 Dj中的 TF 权为 tfi(Dj)，通过下式计算 (16) 其中分子 nij 是特征项 Ti 在文档 Dj 中出现的频数，而分母则是所有特征项在文档 Dj 中出现的频数总和，其含义为：如果一个特征项在某个文档中出现的频率越高，说明它描述文档内容属性的能力越强，那么这个特征项就越重要； (2) IDF 为逆向文档频率(Inverse Document Frequency)的缩写，特征项 Ti 在 Dj 中的 IDF 权为 idfi，通过下式计算 (17) 其中分子 m 是文档集合的基数，而分母则是包含特征项 Ti 的文档数目，其含义为：如果文档集中包含某个特征项的文档越多，说明它描述文档内容属性的能力越低，那么这个特征项就越不重要； (3) 特征项 Ti 在 Dj 中的 TF?IDF 权值 wi(Dj) 为 wi(Dj) = tfi(Dj) ? idfi，其含义为：特征项的重要性与它在文档中出现的频率成正比，同时与它在文档集合中出现的频率成反比。 注记 18 在度量特征项的重要程度时，之所以用“特征项频