基于共现潜在语义向量空间模型的语义核构建

摘要：

实现数字图书馆资源聚合的知识发现离不开对知识的有效表示.作为经典的文本表示模型,向量空间模型(VSM)及其衍生模型在信息检索以及知识发现等研究中都有着重要的地位,但依然存在不足.共现潜在语义向量空间模型(CLSVSM)作为新的文本表示模型,与VSM相比明显提高了文本聚类的精度.然而,面对文本大数据的应用,共现矩阵维度往往较高,致使模型的计算复杂度也较大.因此,本文在CLSVSM基础上构建了语义核(CLSVSM_K),构建的原理是基于潜在语义分析(LSA)的思想.CLSVSM_K不仅降低了共现矩阵的维度,而且实现了文本特征词之间同义信息的合并.本文将该语义核模型应用于文献的主题聚类中,实验结果表明,该方法的确有效降低了特征词空间的维度和计算的复杂度,提高了聚类算法的性能,且提高了文献主题聚类的精确度.该模型的应用将有助于数字图书馆信息资源组织、知识发现和知识优化.

关键词：共现潜在语义向量空间模型、语义核、共现潜在语义向量空间模型语义核、文本聚类

所属期刊栏目：36

分类号：TP3;TP1

资助基金：国家自然科学基金"共现潜在语义向量空间模型及其语义核的构建与应用研究"71503151;山西省高等学校创新人才支持计划"基于潜在语义的文本信息主题深度聚类研究"2016052006

在线出版日期：2017-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：834-842