LSI文本挖掘技术剖析.pdf

pp rr ff PP ee ll oo ii gg ss zzPP zz zz 农业 图书情报学刊：信息论坛 第 28卷 1相关背景知识 1．2．1词项加权 1．1有哪些信誉好的足球投注网站服务的本质 在VSM 的高维空间里，对象所携带的信息 (一个 有哪些信誉好的足球投注网站服务通常以有哪些信誉好的足球投注网站引擎的形式出现，对用户输 实数)反映了某个词项与某个文档之间的关系，数值 入的查询字符串作出响应。经过某种算法的处理，按 越大关系则越紧密。在这里以a。j表示第 i个词项与第J 顺序返 回一系列与有哪些信誉好的足球投注网站 内容相关的超链接(hyperlinks)。 个文档之 间的关系 ，介绍 3种 目前最流行 的词项加权 受用户本身知识结构所限以及查询 内容输入的随意性 方案 。 p 等因素的影响，有哪些信誉好的足球投注网站引擎并不总能返回符合用户本意 第一种是位加权 。在这种最简单的方案中，当词 的结果。一方面 由于可能出现的词项匹配上 的错误 ， 项 t在文档 d中出现时， i=1；当在整篇文档 d中都没 返 回结果包含 了用户不感兴趣 的内容 ：另一方面 。由 有出现词项 t时，aii=0。由于只有一位数据存储信息 r 于机器语言与 自然语言之间存在的显著差异 ，一些实 (0和 1两种情况)，位加权方案无法反映不同词项与文 际上与有哪些信誉好的足球投注网站 内容密切相关的文档被有哪些信誉好的足球投注网站算法排除。 档之间关系的强弱。 对于有哪些信誉好的足球投注网站引擎而言 ．当接收查询字符串后，最直 第二种是词项频率(temr frequency)]JH权 。在此方案 f 观 、保险的做法当然就是返回含有全部或部分用户输 里有 以下等式： P 入字符的链接 。至于结果是否最能令用户满意，有时 =t 并非首要 的考虑 。一直 以来开发人员都致力于优化搜 其中t￡为第 i个词项在第 j个文档中出现的次数。 索引擎的算法 ，以期在响应速度与用户对结果满意度 因此词项频率加权使用了更多的位数。能准确反映某 e 之间找到平衡点。 个词项在单个文档中的重要程度 。但当样本集中大部 1．2基于VSM 的文档相关度计算模型 分的文档里都频繁地出现该词项时 ，它的权重值在矩 l 在信息检索(informationretrieva1)领域里 。传统的标 阵中的指示作用就不那么明显