:::
隱含語意索引 - 教育百科
回到頁面頂端圖示
| 隱 | |
| 含 | |
| 語 | |
| 意 | |
| 索 | |
| 引 |
國家教育研究院辭書
基本資料
| 英文： | latent semantic indexing |
| 作者： | 葉鎮源 |
| 日期： | 2012年10月 |
| 出處： | 圖書館學與資訊科學大辭典 |
辭書內容
|
名詞解釋： 隱含語意索引（latent semantic indexing，簡稱LSI），又稱潛在語意分析（latent semantic analysis，簡稱LSA），是以向量空間模型（vector space model）為基礎，透過奇異值分解（singular value decomposition，簡稱SVD）與維度約化（dimension reduction）進行語意關聯模型建構的方法，圖 1為其示意圖。此技術能捕捉詞彙間隱含的語意關聯，形成由概念所構成的語意空間（semantic space），進而解決傳統向量空間模型中假設向量維度（即詞彙）彼此獨立而無相關性的缺點。簡單來說，隱含語意索引將文件向量（document vector）與查詢語句向量（query vector）由高維度的詞彙空間映射至低維度的語意空間，使得文件和查詢語句的相似程度更加切合實際。隱含語意索引的工作流程如圖1所示。（1） 奇異值分解（2） 維度約化（3） 摺疊（folding-in）（4） 關聯度計算Furnas, G. W., Deerwester, S., Dumais, S. T., Landauer, T. K., Harshman, R. A., Streeter, L. A., & Lochbaum, K. E. (1988). Information retrieval using a singular value decomposition model of latent semantic structure. Proceedings of the 11th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval (pp.465-480). New York, USA. |
|
|
參考資料： Furnas, G. W., Deerwester, S., Dumais, S. T., Landauer, T. K., Harshman, R. A., Streeter, L. A., & Lochbaum, K. E. (1988). Information retrieval using a singular value decomposition model of latent semantic structure. Proceedings of the 11th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval (pp.465-480). New York, USA. |
|
| 資料來源： | 國家教育研究院_隱含語意索引 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |