基于点互信息语义相似性的向量空间模型

• 作者: 牛奉高 赵霞 徐倩丽
• 来源期刊: 山西大学学报（自然科学版）
• 关键词: CLSVSM 语义增强 点互信息 文献聚类
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 基础数学与应用数学|Mathematics and Applied Mathematics
• 页码范围: 220-228
• 页数: 9页
• 分类号: O213.9|G354
• 语种: 中文
• DOI: 10.13451/j.sxu.ns.2020001

摘要

针对文本表示模型中语义信息提取不充分的问题,提出基于点互信息的CLSVSM (Co-occurrence Latent Semantic Vector Space Model)和语义增强的CLSVSM.首先利用点互信息计算关键词间的语义相似性,建立基于点互信息的CLSVSM;其次,通过潜在语义分析对关键词权重的修正,构建了语义增强的CLSVSM,改善了原模型对已有关键词权重不改变的不足.两种新模型都与CLSVSM、word2vec模型进行实验比较.结果 表明,基于点互信息的CLSVSM具有与原CLSVSM相当的聚类效果,而较word2vec有更好的聚类效果;语义增强的CLSVSM的聚类精度明显优于其他模型,以凡值为例,在3个数据集上分别较CLSVSM提高了2％、9.2％和12.3％,同时该模型的聚类精度也明显优于word2vec.语义增强的CLSVSM更优的聚类效果,将有效提高信息检索、文本聚类的准确性,降低检索成本.