Sökmotorer (SEO) - SlimyGap SlimyGap.us.us av Bsat Bsat

singulärvärdesuppdelning (SVD) är en kraftfull och helautomatisk statistisk metod som används av Latent Semantic Analysis (LSA)

SVD algoritmen. är O (N2 K3), där N är antalet termer + dokument, k är antalet dimensioner i begreppet utrymme SlimyGap.us. SVD algoritmen är oanvändbar för en stor, dynamisk samling eftersom det är svårt att hitta antalet dimensioner.

Latent semantisk indexering (LSI) är långsam på grund av att använda denna SVD metod för att skapa koncept utrymmen. LSI förutsätter att det finns någon underliggande eller latent struktur i ordvalet som delvis skyms av variationer i ordvalet. Så, en stympad singulärvärdesfaktorisering (SVD) används för att uppskatta strukturen i ord användningen i hela dokument. Hämtning utförs sedan med hjälp av databasen för singulärvärden och vektorer som erhållits från den stympade SVD. Data visar att dessa statistiskt härledda vektorer är mer robusta indikatorer betydelse än enskilda terms.SVD och LSI är minsta kvadratmetoder. Projektionen i den latenta semantiska utrymmet är vald så att representationerna i den ursprungliga utrymme ändras så lite som möjligt när den mäts med summan av kvadraterna på dessa skillnader. Projektionen omvandlar ett dokuments vektor i n-dimensionella ordet utrymme i en vektor i k-dimensionella reducerad space.One kan ingå eller bevisa att SVD är unik, det vill säga, det finns bara en möjlig sönderdelning av en viss matris. Eftersom SVD finner en optimal projektion till en låg dimensionell rymd, är att nyckelegenskap för ord co-förekomst mönster.