• bir xil kontekstda ishlatiladigan sozlar oxshash manoga ega bolish
  • LSI mantiqiy kalit sorovlarning ikkita eng muammoli cheklovlarini yengib chiqadi
  • matn jumla shaklida bolishi shart emas .
  • LSI va odamlarning matnni qayta ishlash va tasniflash usullari ortasida
  • yagona qiymatlar
  • chap singulyar vektorlari
    		•

    Yashirin semantik indeksatsiya




    Download 309,92 Kb.
    bet3/6
    Sana20.12.2023
    Hajmi309,92 Kb.
    #124438
    1   2   3   4   5   6
    "so'zlar qoplari" sifatida ifodalanadi , bu erda hujjatdagi so'zlarning tartibi muhim emas, faqat har bir so'z hujjatda necha marta paydo bo'ladi.

  • Tushunchalar odatda hujjatlarda birga paydo bo'ladigan so'zlarning namunalari sifatida ifodalanadi . Masalan, "yaguar", "avtomobil" va "tezlik" odatda sport avtomobillari haqidagi hujjatlarda paydo bo'lishi mumkin, "yaguar", "hayvon", "ov qilish" esa yaguar hayvon tushunchasiga ishora qilishi mumkin.

  • bir xil kontekstda ishlatiladigan so'zlar o'xshash ma'noga ega bo'lish tamoyiliga asoslanadi .

  • LSI atamalarni tushunchalar bilan taqqoslash uchun Singular Value Decomposition dan foydalanadi.

    LSI ning afzalliklari

    • LSI mantiqiy kalit so'rovlarning ikkita eng muammoli cheklovlarini yengib chiqadi:

    • o'xshash ma'noga ega bo'lgan bir nechta so'zlar (sinonimiya)

    • bir nechta ma'noli so'zlar (ko'p ma'noli).

    • LSI samarali bo'lishi uchun matn jumla shaklida bo'lishi shart emas . U ro'yxatlar, erkin shakldagi eslatmalar, elektron pochta, veb-kontent va boshqalar bilan ishlashi mumkin.

    • LSI shuningdek, hujjatlarni avtomatlashtirilgan turkumlashtirish va klasterlashni amalga oshirish uchun ishlatiladi. Aslida, bir nechta tajribalar LSI va odamlarning matnni qayta ishlash va tasniflash usullari o'rtasida

    • bir qator bog'liqliklar mavjudligini ko'rsatdi .

    r -darajali A mx n matritsa uchun faktorizatsiya mavjud
    (Singular Value Decomposition = SVD) quyidagicha: A = t/ZV r

    orthonormal

    orthonormal


    ;/ diagonal yozuvlari yagona qiymatlar sifatida tanilgan ning M.


    Singular values.


    U ning m ustuni va V ning n ta ustuni deyiladi
    A ning chap singulyar vektorlari va o‘ng singulyar vektorlari .

    SVD misoli
    A = O bo'lsin 1
    Shunday qilib, m=3, n=2. Uning SVD

    1/V2 1/V2
    1/V2 -м41
    0 2/Ve 1/l/z 1/V2 —i/Ve i /Uz 1/V2 1/l/b -1/d/Z
    Odatda, yagona qiymatlar kamayish tartibida joylashtirilgan.
    Matritsaning darajasi

    • Matritsaning ustun darajasi _ A - A ning chiziqli mustaqil ustun vektorlarining maksimal soni.

    • A matritsaning satr darajasi - A ning chiziqli mustaqil qator vektorlarining maksimal soni .

    • Ustun darajasi va qator darajasi har doim teng

    • Matritsaning darajasi

    ■ SVD o'lchamlari va siyrakligi tasviri


    • Yagona qiymat dekompozitsiyasi juda umumiy bo'lib, uni har qanday m x n matritsaga qo'llash mumkin , o'z qiymat dekompozitsiyasi esa faqat kvadrat matritsalarning ma'lum sinflariga qo'llanilishi mumkin . Shunga qaramay, ikkala parchalanish o'zaro bog'liq.

    • , M ning SVD ni hisobga olsak , quyidagi ikkita munosabat mavjud:

    AGM = VY'U* UYV* = V(S*X!)V* L/L/* = UYV* VY?U* =
    Bu erda M* M ning konjugat transpozisiyasidir.

    • M ning nolga teng bo'lmagan yagona qiymatlari (2 diagonal yozuvlarida topilgan) M*M va MM* ning nolga teng bo'lmagan xos qiymatlarining kvadrat ildizlaridir.


    A = USV7





    Download 309,92 Kb.
    • 1   2   3   4   5   6




    Download 309,92 Kb.