潛在語(yǔ)義分類(lèi)模型的研究.pdf

1、文本自動(dòng)分類(lèi)是組織和管理文本信息的有力手段,可以在較大程度上解決信息雜亂無(wú)章的問(wèn)題,使用戶更容易更準(zhǔn)確地定位所需的信息.目前,文本自動(dòng)分類(lèi)是信息檢索(Information Retrieval:IR)領(lǐng)域中最前沿的研究熱點(diǎn)之一,國(guó)內(nèi)外均有大量學(xué)者從事這方面的研究.潛在語(yǔ)義索引模型(Latent Semantic Indexing:LSI),是近年來(lái)在信息檢索領(lǐng)域中使用較多并較為有效的維數(shù)約簡(jiǎn)算法之一.應(yīng)用LSI模型進(jìn)行信息檢索或文本分類(lèi)

2、,不是基于文檔集中表層的詞匯信息而是潛在語(yǔ)義結(jié)構(gòu),其性能比傳統(tǒng)的基于向量空間模型(Vector Space Model:VSM)的方法要高出許多.然而,LSI在降低維數(shù)的同時(shí)也會(huì)丟失一些關(guān)鍵信息.LSI基于文檔的詞信息來(lái)構(gòu)建語(yǔ)義空間,得到的特征空間會(huì)保留原始文檔矩陣中最主要的全局信息.但在某些情況下,一些對(duì)類(lèi)別的正確識(shí)別非常重要的特征,因?yàn)榉旁谌窒驴紤]顯得不重要,而在維數(shù)約減的過(guò)程中被濾掉.針對(duì)上述問(wèn)題,在擴(kuò)展LSI模型的基礎(chǔ)上,我們