本文的思路是先浅显解释一下SVD和LSA;其次讲一下矩阵分解,其中包括方阵的分解和对称方阵的分解;再次给出奇异值分解的理论;最后给出LSA理论及SVD在LSA中的降维作用。
首先说一下SVD和LSA语义:SVD中文称奇异值分解;LSA称为隐含语义分析;在LSA中用到SVD来实现降维过程。LSA简单来说就是一个词语在不同的主题中的阐释。
矩阵分解:
(一)、方阵S的分解
U的列是S的特征向量;Λ对角线上的值是S的特征值,按从大到小排列。
(二)、对称方阵S的分解
Q的列是S的单位正交向量;Λ同上;