An accurate model for Latent Semantic Analysis (LSA) by Singular Value Decomposition (SVD)
محل انتشار: کنفرانس بین المللی علوم و مهندسی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 749
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCON01_0397
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
This paper presents a conceptual model to retrieve latent semantic automatically. The model specifies relations among documents and query based on latent semantic mapping. To achieve the goal, Singular Value Decomposition (SVD) and the concept of eigenvectors and eigenvalues is used which they are a theory in linear algebra. SVD has many usage in science and engineering. Many efforts is done to retrieve latent semantic and relation among texts, images and etc. By singular value decomposition can extract latent semantic between text or images with higher accuracy. This paper uses SVD to extract the latent semantic between documents and queries. Results show which SVD provides a complete automatic method to retrieve latent semantics.
کلیدواژه ها:
نویسندگان
Neda Mohammadi
Department of Computer Engineering and IT, Shiraz University of Technology, Shiraz, Iran
Hadi Mehdipour
Department of Shahid Chamran, Technical and Vocational University, Kerman, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :