迭代残差重缩放：对 LSI 的分析与推广
计算与语言
2007-05-23 v1 信息检索
摘要
我们考虑构建文档表示的问题，其中文档间相似度度量对应于语义相似度。我们首先提出一个新颖的基于子空间的框架来形式化该任务。利用此框架，我们推导出对潜语义索引（Latent Semantic Indexing, LSI）的新分析，揭示了其性能与文档在话题上底层分布的均匀性之间的精确关系。该分析有助于解释 Ando（2000）的迭代残差重缩放（Iterative Residual Rescaling, IRR）算法所带来的提升：IRR 可补偿分布的不均匀性。我们框架的另一益处是，它提供了一种动机充分且有效的方法，用于自动确定 IRR 所依赖的重缩放因子，从而带来进一步改进。在多种设置下使用若干评估指标的一系列实验验证了我们的论断。
引用
@article{arxiv.cs/0106039,
title = {Iterative Residual Rescaling: An Analysis and Generalization of LSI},
author = {Rie Kubota Ando and Lillian Lee},
journal= {arXiv preprint arXiv:cs/0106039},
year = {2007}
}
备注
To appear in the proceedings of SIGIR 2001. 11 pages