基于語義分析的文檔排序方法研究.pdf_第1頁
已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著社會的快速發(fā)展,科學技術(shù)的不斷進步,人們所能接觸到的信息也成幾何級的增長,這些信息的不斷積累就形成了我們熟知的“海量數(shù)據(jù)”。那么如何在海量數(shù)據(jù)中準確而快速地檢索到用戶需要的信息成為互聯(lián)網(wǎng)信息時代所面臨的機遇和挑戰(zhàn)。
  本文分析了語義相關(guān)度計算和主題模型的國內(nèi)外研究方法,發(fā)現(xiàn)在現(xiàn)有的研究中大都是簡單的從統(tǒng)計學的角度來對查詢語句和文檔進行匹配而忽略了對文檔語義知識的挖掘。因此,本文從這個方面對每篇文檔的潛在語義進行深入挖掘,進而

2、從文檔的語義上來和查詢語句進行匹配,使得檢索到的結(jié)果更全面、更準確。
  在本文中,我們提出一種基于標簽主題模型的文檔排序方法。我們運用這個方法我們得到了三個很重要的矩陣:“文檔—標簽”概率分布矩陣、“標簽—主題”概率分布矩陣和“主題—詞”概率分布矩陣,獲得了詞對文檔的語義貢獻度,將詞對文檔的貢獻度進行了量化分析,而不是簡單的按照詞頻和反文檔頻率進行打分,并且標簽主題模型有嚴密的數(shù)學推導證明,能從理論和實驗上證明從標簽和主題的角度

3、研究信息檢索技術(shù)的正確性。基于標簽主題模型的文檔排序方法充分考慮了文檔的語義信息和詞語歧義性等問題。
  本文提出了一種基于概念語義分析的文檔排序方法,該方法首先利用標簽主題模型對文檔進行建模并經(jīng)過矩陣運算得到“文檔-詞”矩陣,并將此矩陣按語義相關(guān)度進行映射得到詞對文檔貢獻度。這個方法充分利用了查詢語句和文檔標簽之間的關(guān)系,把查詢語句和文檔緊密的聯(lián)系起來,一次映射使得與查詢語句越相關(guān)的詞在文檔中的權(quán)重越大,而那些與查詢語句不太相關(guān)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論