Semantische Vektoren. -Paket zum Erstellen und Suchen semantischer Vektorindizes durch Umwickeln von Apache Lucene
Jetzt downloaden

Semantische Vektoren. Ranking & Zusammenfassung

Semantische Vektoren. Stichworte

Suche erstellen Verarbeitung natürlicher Sprache Semantischer Vektor erstellen Zufallsprojektionsalgorithmus Semantischer Vektor

Semantische Vektoren. Beschreibung

Paket zum Erstellen und Suchen semantischer Vektorindizes durch Umwickeln von Apache Lucene Die semantischen Vektorindizes wurden durch Anwenden eines zufälligen Projektionsalgorithmus an das Begriffsdokument-Matrizen erstellt. Das Paket wurde als Teil eines Projekts von der University of Pittsburgh Office of Technology Management erstellt, um das Potenzial, um automatisch zusammenhängende Konzepte in der Technologieverwaltungsdomäne, z. B. neue Technologien an potentiell interessierte Lizenzgeber zu tätigen, zu erkunden. Das Semantic Vectors-Projekt finden Sie unter http: //real.hsls.pitt.edu.Das Paket erstellt ein WordSpace-Modell, der von der von Stanford University Infomap-Projekt und anderen Forschern in den 1990er Jahren und Anfang 2000 entwickelt wurde. Solche Modelle sind so konzipiert, dass Wörter und Dokumente in Bezug auf zugrunde liegende Konzepte darstellen, und als solche kann für viele semantische (concect-Aware) passende Aufgaben wie die automatische Thesaurus-Generierung, Wissensdifferation und Konzeptabgleich verwendet werden. Das semantische Vektorpaket verwendet ein Zufälliger Projektionsalgorithmus, eine Form der automatischen semantischen Analyse, ähnlich der latenten semantischen Analyse (LSA) und seiner Varianten wie eine probabilistische latente semantische Analyse (PLSA). Im Gegensatz zu anderen Methoden verlassen sich jedoch keine zufällige Projektion auf den Einsatz von rechenintensiven Matrix-Zersetzungsalgorithmen wie Singular-Wert-Zersetzung (SVD). Dies macht zufällige Projektion in der Praxis eine viel skalierbare Technik. Unsere Anwendung der zufälligen Projektion für die natürliche Sprachverarbeitung (NLP) ist von der Arbeit von Pentti Kanerva auf dem sparsamen verteilten Speicher, der in semantischer Analyse- und Textabbau, diese Methode auch als zufällige Indexierung bezeichnet wurde. Eine wachsende Zahl von Forschern hat zufällige Projektion auf NLP-Aufgaben angewendet, demonstriert: · Semantische Leistung vergleichbar mit anderen Formen der latenten semantischen Analyse. · Bedeutende Rechenleistungsvorteile bei der Erstellung und Pflege von Modellen. Anforderungen: · Java

Semantische Vektoren. Zugehörige Software