Verallgemeinerter Vektorraummodell

Das Verallgemeinerter Vektorraummodell ist eine Verallgemeinerung der Vektorraummodell benutzt in Informationsrückgewinnung. Wong et al.^[1] präsentierte eine Analyse der Probleme, die die paarweise Orthogonalitätsannahme der Vektorraummodell (VSM) schafft. Von hier aus erweiterten sie das VSM auf das generalisierte Vektorraummodell (GVSM).

Definitionen

GVSM führt den Begriff Korrelationen ein, die die paarweise Orthogonalitätsannahme abwerten. Insbesondere der Faktor betrachtete einen neuen Raum, in dem jeder Begriff Vektor t_i wurde als lineare Kombination von ausgedrückt 2ⁿ Vektoren m_r wo r = 1 ... 2ⁿ.

Für ein Dokument d_k und eine Frage q Die Ähnlichkeitsfunktion wird nun:

$oder J, q}*t_ {i} \ cdot t_ {j}} {{\ sqrt {\ sum _ {i = 1}^{n} w_ {i, k}^{2}}*{\ sqrt {{i, {i \ sum _ {i = 1}^{n} w_ {i, q}^{2}}}}}}}$

wo t_i und t_j sind jetzt Vektoren von a 2ⁿ Dimensionsraum.

Begriffskorrelation ${\ displayStyle t_ {i} \ cdot t_ {j}}$ kann auf verschiedene Arten implementiert werden. Zum Beispiel haben Wong et al. Verwendet die Begriff Auftrittsfrequenzmatrix, die aus der automatischen Indexierung als Eingabe in ihren Algorithmus erhalten wurde. Der Begriff Auftreten und der Ausgang sind die Begriffskorrelation zwischen einem beliebigen Paar von Indexbegriffen.

Semantische Informationen zu GVSM

Es gibt mindestens zwei grundlegende Anweisungen zum Einbettung von Term in die Begriffsbekämpfung, außer als genaues Keyword -Matching, in ein Abrufmodell:

1. Berechnen Sie semantische Korrelationen zwischen Begriffen
2. Berechnung der Frequenz-Ko-Aufrufstatistik aus großen Korpora

Kürzlich Tsatsaronis^[2] konzentriert sich auf den ersten Ansatz.

Sie messen semantische Verwandtschaft (Sr) unter Verwendung eines Thesaurus (O) wie Wordnet. Es berücksichtigt die durch Kompaktheit erfasste Pfadlänge (erfasst durch Kompaktheit (SCM) und die Pfadtiefe, erfasst durch semantische Pfadausarbeitung (Spe). Sie schätzen die ${\ displayStyle t_ {i} \ cdot t_ {j}}$ inneres Produkt von:

${\ displaystyle t_ {i} \ cdot t_ {j} = sr ((t_ {i}, t_ {j}), (s_ {i}, s_ {j}), o)}$

wo s_i und s_j sind Begriffssinns t_i und t_j jeweils maximieren ${\ displayStyle scm \ cdot spe}$.

Bauen auch nach dem ersten Ansatz haben Waitelonis et al.^[3] semantische Verwandtschaft berechnet haben aus Verknüpfte offene Daten Ressourcen einschließlich Dbpedia ebenso wie Yago Taxonomie. Dadurch nutzen sie taxonomische Beziehungen zwischen semantischen Einheiten in Dokumenten und Fragen danach benannte Entitätsverknüpfung.

Verweise