의미 매핑(통계)
Semantic mapping (statistics)통계에서의 의미 매핑(SM)은 차원성 감소 방법(고차원 공간에서 저차원 공간으로 데이터를 변환하는 방법)이다.SM은 주요 데이터 특성을 보존하는 몇 가지 새로운 형상을 추출하기 위해 형상의 다차원 벡터 집합에 사용될 수 있다.
SM은 원래 형상을 의미 클러스터에 클러스터링하고 동일한 클러스터에 매핑된 형상을 결합하여 추출 형상을 생성함으로써 차원성을 감소시킨다.데이터 세트가 주어진 이 방법은 고차원 공간의 데이터 요소를 축소된 치수 공간으로 매핑하는 데 사용할 수 있는 투영 매트릭스를 구성한다.
SM은 높은 차원성의 벡터를 관리하는 시스템뿐만 아니라 텍스트 마이닝과 정보 검색 시스템 구축에도 적용할 수 있다.SM은 무작위 매핑, 주성분 분석 및 잠재적 의미 인덱싱 방법의 대안이다.
참고 항목
참조
- CORREA, R. F.; LUDERMIR, T. B. 의미적 매핑에 의한 문서 모음의 자체 구성 향상.Neurocomputing(암스테르담), v. 70, 페이지 62-69, 2006. doi:10.1016/j.neucom.2006.07.007.007
- CORREA, R. F. 및 LUDERMIR, T. B.(2007) "시맨틱 매핑에 의한 매우 큰 문서 모음의 치수 감소"6월 6일 의사록WSOM(자체 조직 지도) 워크샵 ISBN978-3-00-022473-7.
