주제 기반 벡터 공간 모델

Topic-based vector space model

Topic-based Vector Space Model([1]TVSM)(문학: [1])은 용어 벡터가 직교하는 제약조건을 제거함으로써 정보 검색의 벡터 공간 모델을 확장한다.동의어와 강한 관련 용어에 문제를 일으키는 자연 언어에 대해서는 직교 용어의 가정이 부정확하다.이것은 TVSM에서 발생된 단어 목록과 사우르스의 사용을 용이하게 한다.일반화된 벡터 공간 모델과 대조적으로 TVSM은 항들 간의 일치성에 기반한 유사성에 의존하지 않는다.null

정의들

TVSM의 기본 전제는 양의 축 절편만 있는 d차원 공간 R의 존재, 즉 R의+ R과 N의+ d의 각 차원은 기본적인 주제를 나타낸다.벡터 t라는 용어는 특정 R에 대한 특정 가중치를 가진다.이러한 가중치를 계산하기 위해 문서 내용을 고려하여 가정한다.이상적으로 중요한 용어들은 높은 비중을 가질 것이고 주제와 관련되지 않는 용어들은 낮은 비중을 가질 것이다.TVSM 문서 모델은 문서의 용어를 나타내는 용어 벡터의 합으로 구한다.Di와 Dj 두 문서의 유사성은 문서 벡터의 스칼라 제품으로 정의된다.null

향상된 주제 기반 벡터 공간 모델

Enhanced Topic-based Vector Space Model([2]eTVSM)(문학: [2])은 온톨로지로부터 용어 벡터를 도출하는 방법에 관한 제안이다.워드넷 쿠로프카에서 만들어진 동의어 온톨로지를 사용하는 것은 문서 유사성에 대한 좋은 결과를 보여준다.사소한 온톨로지(Ontology)를 사용하면 결과는 벡터 스페이스(Vector Space) 모델과 유사하다.null

구현

참조

  1. ^ Dominik Kuropka; Jörg Becker (2003), Topic-based Vector Space Model (PDF)
  2. ^ Dominik Kuropka; Artem Polyvyanyy (2007), A Quantitative Evaluation of the Enhanced Topic-Based Vector Space Model (PDF)