發(fā)布時間：2019-02-14 11:07

【摘要】：奇異值分解是矩陣分析中常用的分解技術(shù),在高維數(shù)據(jù)的降維、去噪方面有著廣泛的應(yīng)用。本文將矩陣的奇異值分解技術(shù)應(yīng)用到領(lǐng)域?qū)＠g(shù)語的層次關(guān)系解析中,其核心思想是術(shù)語語義空間的深度轉(zhuǎn)換,旨在用某種潛在特征代替文檔作為屬性來表示術(shù)語。具體研究包括,基于位置加權(quán)的原始術(shù)語-文檔語義空間的構(gòu)建方法、基于奇異值分解的術(shù)語特征抽取方法、基于術(shù)語-特征語義空間的術(shù)語層次關(guān)系解析方法。本文對論述的理論方法進行了實證研究,證實了該方法的可行性和有效性,并在此基礎(chǔ)上實現(xiàn)較大規(guī)模的鋼鐵冶金領(lǐng)域?qū)＠g(shù)語層次關(guān)系解析,將解析結(jié)果納入到本體學(xué)習(xí)理論體系中,實現(xiàn)該領(lǐng)域?qū)＠g(shù)語的知識本體化與可視化。
[Abstract]:Singular value decomposition (SVD) is a commonly used decomposition technique in matrix analysis. It is widely used in dimensionality reduction and denoising of high dimensional data. In this paper, the singular value decomposition (SVD) technique of matrices is applied to the hierarchical relationship analysis of domain patent terms. Its core idea is the depth transformation of the semantic space of terms, which is intended to represent the terms with some potential features instead of documents as attributes. The research includes the construction method of the original term-document semantic space based on position weighting, the term feature extraction method based on singular value decomposition, and the term hierarchy relationship analysis method based on the term-feature semantic space. This paper makes an empirical study on the theory and method discussed in this paper, which proves the feasibility and effectiveness of the method, and on this basis realizes the analysis of the hierarchical relationship of the patent terms in the field of iron and steel metallurgy on a large scale. The analytical results are incorporated into the ontology learning theory system to realize ontology and visualization of patent terms in this field.
【作者單位】： 南京大學(xué)信息管理學(xué)院;南京大學(xué)江蘇省數(shù)據(jù)工程與知識服務(wù)重點實驗室;南京大學(xué)計算機軟件新技術(shù)國家重點實驗室;
【基金】：江蘇省自然科學(xué)基金項目“面向?qū)＠A(yù)警的中文本體學(xué)習(xí)研究”(BK20130587) 江蘇省“333”工程項目“面向知識服務(wù)的中文本體學(xué)習(xí)研究”(BRA2015401) 國家社科重大招標項目“面向突發(fā)事件應(yīng)急決策的快速響應(yīng)情報體系研究”(13&ZD174)
【分類號】：TP391.1

【相似文獻】

相關(guān)期刊論文 前10條

1 張文君;;奇異值分解及其在人臉識別中的應(yīng)用[J];時代教育;2012年20期

2 王蘊紅,譚鐵牛,朱勇;基于奇異值分解和數(shù)據(jù)融合的臉像鑒別[J];計算機學(xué)報;2000年06期

3 高仕龍;;矩陣奇異值分解的圖像性質(zhì)及其應(yīng)用[J];樂山師范學(xué)院學(xué)報;2008年05期

4 孫靜靜;張宏飛;孫昌;;一種基于奇異值分解的人臉識別新方法[J];科學(xué)技術(shù)與工程;2010年25期

5 戴偉輝，呂維雪，，段云所，楊芙清;多準則優(yōu)化圖象重建方法的奇異值分解研究[J];計算機學(xué)報;1997年07期

6 任蕾;施朝健;冉鑫;;應(yīng)用奇異值分解的海上場景顯著性檢測[J];計算機工程與應(yīng)用;2012年23期

7 羅鐵堅;程福興;周佳;;融合奇異值分解和動態(tài)轉(zhuǎn)移鏈的學(xué)術(shù)資源推薦模型(英文)[J];中國科學(xué)院大學(xué)學(xué)報;2014年02期

8 羅小桂;何雁;;矩陣奇異值分解在計算技術(shù)中的應(yīng)用[J];計算機與現(xiàn)代化;2006年06期

9 何婧;馮國燦;;奇異值分解在人臉識別中的應(yīng)用[J];廣東教育學(xué)院學(xué)報;2006年03期

10 王萍;程余;;半奇異值算法的推導(dǎo)及其應(yīng)用[J];計算機工程與應(yīng)用;2007年17期

相關(guān)會議論文 前4條

1 張霄;林鴻飛;楊志豪;;基于奇異值分解的蛋白質(zhì)關(guān)系抽取[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

2 林原;林鴻飛;蘇綏;;一種應(yīng)用奇異值分解的RankBoost排序?qū)W習(xí)方法[A];中國計算機語言學(xué)研究前沿進展（2007-2009）[C];2009年

3 金宋友;趙志文;;一種基于奇異值分解盲水印算法[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

4 趙衛(wèi)國;翟自勇;王子君;;基于奇異值分解和神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像水印算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相關(guān)碩士學(xué)位論文 前10條

1 相桂芳;MFA與SVD模糊融合的人臉識別研究[D];合肥工業(yè)大學(xué);2015年

2 夏玉丹;基于S變換和奇異值分解的自動癲癇檢測算法[D];山東大學(xué);2016年

3 馬亞峰;基于FPGA的矩陣奇異值分解加速方案的設(shè)計與實現(xiàn)[D];北京交通大學(xué);2017年

4 朱青;云計算中安全高階奇異值分解[D];華中科技大學(xué);2016年

5 Charles Alpha Bangura;[D];湖南大學(xué);2011年

6 趙慧琳;奇異值分解的人臉識別算法[D];上海海運學(xué)院;2002年

7 李科;基于沙米爾和奇異值分解的小波域數(shù)字圖像水印算法研究[D];南昌大學(xué);2010年

8 賈換霞;基于奇異值分解和神經(jīng)網(wǎng)絡(luò)的人臉識別方法的研究[D];東北大學(xué);2005年

9 孟玉嬋;基于小波變換和奇異值分解的圖像水印算法研究[D];電子科技大學(xué);2011年

10 沈曉峰;基于奇異值分解的數(shù)字圖像水印技術(shù)研究[D];蘇州大學(xué);2008年

本文編號：2422149