信息检索模型99.ppt

* * * * * * * * * * * 对LSI的理解 最佳近似矩阵 从数据压缩的角度看，Xhat是秩为k的前提下矩阵X的全局最佳近似矩阵。 降维 LSI不同于向量空间模型（VSM）中文档和词汇的高维表示，而是将文档和词汇的高维表示投影在低维的潜在语义空间（Latent Semantic Space）中，缩小了问题的规模，得到词汇和文档的低维表示。 语义关联的发现 对应于小奇异值的奇异向量被忽略后，噪声被大量消减，而使语言单元之间的意义上的相关性显示出来。 潜在语义空间中（不论是文档空间，还是词汇空间），每个维度代表了一个潜概念（Latent Concept） 利用LSI进行检索 对查询式的要求 和传统的基于关键词的查询不同，潜语义检索允许用户提交类似于自然语言的查询条件，而不一定必须是几个分离的词汇。 查询式越长，提供的信息需求越充分，越明确 对查询式q进行处理 检索过程 检索过程就是把查询式的集合视为是一个虚拟的文件，检索的任务是把这个虚拟的文件和其他文件做相似性比较, 挑选最相似的出来 相似度计算方法可以采用线性代数理论中的各种方法，比如向量夹角等，根据实际情况而定 适用性 多数情况下，潜在语义索引的性能好于向量空间模型，因为利用了同现度 潜在语义索引的应用依赖于具体的文档集合 适用于词汇异构度很高的文档集合 从应用角度，计算量太大 框架定义完整，优化准则清楚 本章小结