基于伪文档的潜在语义索引优化技术的研究-计算机软件与理论专业论文.docxVIP

沈阳航空工业学院硕士学位论文摘要 沈阳航空工业学院硕士学位论文 摘要 自然语言中普遍存在着同义词和多义词现象，致使人们很难通过以词形匹配的关键 词检索寻找到真正需要的网络资源。潜在语义索引通过奇异值分解将同义词映射到潜在 语义空间的同一维度上，同时将多义词映射到不同的维度上，进而在一定程度上解决了 一词多义和多词一义的现象。潜在语义索引与其它基于概念词典的方法相比，具有可计 算性强，领域适应能力强的优点，并已成为了自然语言处理领域中的研究热点。 本文的研究工作是通过强化合理的特征共现信息来提高潜在语义空间中特征向量 和文档向量的准确度，进而提高系统的性能。基于以上的想法，本文提出了基于伪文档 的潜在语义索引的优化框架，所谓伪文档即是通过对原始文档集合进行有指导地组织而 形成的新的文档。同时，本文在基于伪文档的优化框架的基础上提出了两种优化策略： 基于语义块的优化方法及基于语义资源的优化方法。 针对潜在语义索引以文档窗口为传递窗口造成的特征相关度不准确的问题，本文提 出了基于语义块的优化方法。该方法是通过对原始文档集合有指导地分割，将语义相近 的特征划分到同一个语义块单元中，从而加强了语义相关特征的相关性，最终优化了潜 在语义空间中的代表特征和文档的向量。 同时，在应用潜在语义索引的过程中，生成潜在语义空间的整个过程是完全无指导 的，使得语义空间中的表达特征和文档的向量不够准确。基于