Uogólniony model przestrzeni wektorowej - Generalized vector space model

Uogólnionego modelu przestrzeń wektor jest uogólnieniem modelu przestrzeni wektorowej stosowanego w wyszukiwaniu informacji . Wong i in. przedstawili analizę problemów, jakie stwarza założenie ortogonalności parami modelu przestrzeni wektorowej (VSM). Stąd rozszerzyli VSM do uogólnionego modelu przestrzeni wektorowej (GVSM).

Definicje

GVSM wprowadza korelacje między terminami, które unieważniają założenie o ortogonalności parami. Dokładniej, czynnik rozważał nową przestrzeń, w której każdy wektor członu t _i został wyrażony jako liniowa kombinacja 2 ⁿ wektorów m _r, gdzie r = 1 ... 2 ⁿ .

Dla dokumentu d _k i zapytania q funkcja podobieństwa wygląda teraz następująco:

${\ displaystyle sim (d_ {k}, q) = {\ Frac {\ sum _ {j = 1} ^ {n} \ sum _ {i = 1} ^ {n} w_ {i, k} * w_ { j, q} * t_ {i} \ cdot t_ {j}} {{\ sqrt {\ sum _ {i = 1} ^ {n} w_ {i, k} ^ {2}}} * {\ sqrt { \ sum _ {i = 1} ^ {n} w_ {i, q} ^ {2}}}}}}$

gdzie t _i i t _j są teraz wektorami 2 ^n- wymiarowej przestrzeni.

Korelację terminów można zaimplementować na kilka sposobów. Na przykład Wong i wsp. wykorzystuje termin macierz częstotliwości występowania uzyskaną z automatycznego indeksowania jako dane wejściowe do swojego algorytmu. Termin występowanie i wynik to korelacja terminów między dowolną parą terminów indeksowych. ${\ displaystyle t_ {i} \ cdot t_ {j}}$

Informacje semantyczne na temat GVSM

Istnieją co najmniej dwa podstawowe kierunki osadzania powiązań terminów z terminami, inne niż dokładne dopasowanie słów kluczowych, w modelu pobierania:

1. obliczać korelacje semantyczne między terminami
2. oblicz statystyki współwystępowania częstotliwości z dużych korpusów

Ostatnio Tsatsaronis skupił się na pierwszym podejściu.

Mierzą pokrewieństwo semantyczne ( SR ) za pomocą tezaurusa ( O ), takiego jak WordNet . Uwzględnia długość ścieżki, uchwyconą przez zwartość ( SCM ), i głębokość ścieżki, uchwyconą przez semantyczne opracowanie ścieżki ( SPE ). Oszacować one produkt wewnętrznej przez: ${\ displaystyle t_ {i} \ cdot t_ {j}}$

${\ Displaystyle t_ {i} \ cdot t_ {j} = SR ((t_ {i}, t_ {j}), (s_ {i}, s_ {j}), O)}$

gdzie s _i i s _j są znaczeniami terminów odpowiednio t _i i t _j , maksymalizując . ${\ Displaystyle SCM \ cdot SPE}$

Opierając się również na pierwszym podejściu, Waitelonis et. glin. mieć obliczoną semantycznej pokrewieństwo z Linked Open Data zasobów w tym dbpedia jak również taksonomii Yago . W ten sposób wykorzystują związki taksonomiczne między jednostkami semantycznymi w dokumentach i zapytaniach po powiązaniu nazwanych jednostek .

Bibliografia