[干货汇总]LSA及SVD介绍

最新推荐文章于 2022-12-03 16:13:21 发布
VIP文章 最新推荐文章于 2022-12-03 16:13:21 发布
阅读量2.5k 收藏 4
点赞数
分类专栏： 机器学习 文章标签： 机器学习 LSA-SVD
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013395878/article/details/51741706
版权
1. 前言

近期在看关于NER(Named Entity Recognition)的paper，里面涉及到的几个机器学习的算法，需要学习一下，在网上看了一些相关干货，汇总一下前人智慧。

首先贴出几篇写的还不错的blog

blog1 LSA潜在语义分析

该blog是在Wiki中翻译过来，翻译的反正比我看原文理解的好，进行初步了解还是不错的。

blog2 SVD矩阵奇异值分解 && LSA潜语义分析算法 && PLSA

该blog讲解了一些矩阵的基本知识，比如矩阵的秩、单位矩阵、对角矩阵、特征向量、特征值等。

blog3 机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

该blog介绍了一种LSI实际的应用例子，可以拿来参考。

blog4
最低0.47元/天 解锁文章
ZerolyZhang
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
17_OSPF_LSA及特殊区域详解.pdf
09-27
OSPF_LSA及特殊区域详解
SVD（奇异值分解）与LSA（潜在语义分析）
上帝是个娘们的博客
09-08 1731
特征值与特征向量 在讲解SVD(奇异值分解)之前，首先回顾一下线性代数中的特征值分解，对于一个n∗nn*nn∗n的矩阵AAA，存在实数λ和n维向量x\lambda和n维向量xλ和n维向量x，使得下式成立： (1)Aλ=λx \tag{1} A\lambda = \lambda x Aλ=λx(1) 那么称λ为A\lambda为Aλ为A的一个特征值，称x为Ax为Ax为A的一个特征向量。 相似对角化 ...
NLP --- 文本分类（基于SVD的隐语意分析（LSA））
进击的菜鸟
12-29 5349
上一节我们详细的讲解了基于VSM的文本分类，这种分类在很早就出现了，虽然是文本分类中有效的分类手段，但是因为建立的向量是很多维的，因此容造成维度灾难，同时VSM的没有能力处理一词多义和一义多词问题，例如同义词也分别被表示成独立的一维，计算向量的余弦相似度时会低估用户期望的相似度；而某个词项有多个词义时，始终对应同一维度，因此计算的结果会高估用户期望的相似度。汉语用户倾向于频繁使用近义词显示“辞藻丰...
LSA&SVD基本概念
u013070853的博客
10-12 1068
矩阵 M 的奇异值分解为 ，其中U是m×m阶酉矩阵；Σ是半正定m×n阶对角矩阵；而V*，即V的共轭转置，是n×n阶酉矩阵。这样的分解就称作M的奇异值分解。Σ对角线上的元素Σi,i即为M的奇异值。 伪逆：将矩阵主对角线上每个非零元素都求倒数之后再转置得到的。 SVD的应用：求伪逆；平行奇异值模型；矩阵近似值； 奇异值分解在统计中的主要应用为主成分分析（PCA），种数据分析方
谈谈SVD和LSA(zz)
windows2的专栏
09-06 1177
首先SVD和LSA是什么呢，SVD全称是singular value decomposition，就是俗称的奇异值分解，SVD的用处有很多，比如可以做PCA(主成分分析)，做图形压缩，做LSA，那LSA是什么呢，LSA全称Latent semantic analysis，中文的意思是隐含语义分析，LSA算是topic model的一种，对于LSA的直观认识就是文章里有词语，而词语是由不同的主题生成
奇异值分解SVD、PCA主成分分析降维、潜在语义分析LSA之间的关系
大风车
10-05 580
奇异值分解SVD是一种矩阵分解也是数据压缩的方法，是在 Frobenius norm （也就是平方损失）意义下的对矩阵的最优近似。具体可以参考奇异值分解（SVD）（Singular Value Decomposition） 完全奇异值分解如下： 一般矩阵的完全奇异值分解如下： 紧奇异值分解如下： 若一般矩阵，其秩为 rank() = r ， r <=min(m,n)，那么的紧奇异值分解就是： 这里的就是将 原来的的前 r 行前 r 列，其是的前 r 列，其...
LSA.zip_LSA算法_java lsa_lsi_svd java_文本挖掘
09-21
LSA中包含几篇有关文本挖掘的资料，介绍了lsi和svd算法
OSPF的LSA类型汇总.doc
08-19
OSPF的LSA类型汇总.doc
SVD推荐算法SVD推荐算法
01-15
隐形语义索引：最早的SVD应用之一就是信息检索，我们称利用SVD的方法为隐性语义检索（LSI）或隐形语义分析（LSA）。 基于SVD的图像压缩、基于协同过滤的推荐引擎、利用SVD简化数据 可应用于优化类问题，路径、空间最...
LSA.zip_LSA语义
09-23
隐含语义检索（Latent Semantic Analysis）的相关代码
SVD++三篇相关论文
12-23
阅读这些论文，可以有效帮助理解SVD++，实现SVD++程序
scikit-learn：通过TruncatedSVD实现LSA（隐含语义分析）
mmc2015的专栏
07-13 1万+
http://scikit-learn.org/stable/modules/decomposition.html#lsa 第2.5.2部分： 2.5.2. Truncated singular value decomposition and latent semantic analysis（截断SVD和LSA/LSA） 先说明：latent semantic indexing, LSI和l
主题模型TopicModel：LSA（隐性语义分析）模型和其实现的早期方法SVD
皮皮blog
01-09 1万+
LSA and SVD LSA(隐性语义分析)的目的是要从文本中发现隐含的语义维度-即“Topic”或者“Concept”。我们知道，在文档的空间向量模型（VSM）中，文档被表示成由特征词出现概率组成的多维向量，这种方法的好处是可以将query和文档转化成同一空间下的向量计算相似度，可以对不同词项赋予不同的权重，在文本检索、分类、聚类问题中都得到了广泛应用，在基于贝叶斯算法及KNN算法的ne
LSA潜在语义分析中SVD的三个矩阵介绍
baidu_15113429的博客
06-29 730
奇异值分解在LSI中的应用LSI的学习连接
SVD分解及其应用
YoungGy的专栏
11-26 7107
SVD 图像压缩 LSA 矩阵对角化
SVD原理及其应用导论
ACdreamer
03-26 1万+
今天，来学习一种很重要的矩阵分解，叫做奇异值分解（Sigular Value Decomposition），简称SVD。   Contents       1. 认识SVD     2. SVD与广义逆矩阵     3. SVD与最小二乘法     4. SVD与数据压缩     5. SVD与潜在语义分析     6. SVD与低阶近似     1. 认识SVD
奇异值分解及应用(PCA&LSA)
小村长技术blog
05-21 4138
这里我省去了很多的数学知识，建议数学比较薄弱的读者可以先看看信息检索导论>第18章。主要的数学知识包括方阵的特征值、特征向量；方阵的对角化；一般矩阵的奇异值分解及低秩逼近矩阵。这里主要讲解奇异值分解的两个应用PCA(降维)和LSA(潜在语义结构分析)。 PCA: 之前有详细讲过PCA，http://blog.csdn.net/lu597203933/article/details/415445
OSPF中的各种LSA解析及作用
qq_60807433的博客
12-03 3308
OSPF中 LSA（链路状态通告）
奇异值分解(SVD)原理详解及推导
热门推荐
学无常师，负笈不远险阻
01-23 36万+
在网上看到有很多文章介绍SVD的，讲的也都不错，但是感觉还是有需要补充的，特别是关于矩阵和映射之间的对应关系。前段时间看了国外的一篇文章，叫A Singularly Valuable Decomposition The SVD of a Matrix，觉得分析的特别好，把矩阵和空间关系对应了起来。本文就参考了该文并结合矩阵的相关知识把SVD原理梳理一下。 SVD不仅是一个数学问题，在工程应用中的很多地方都有它的身影，比如前面讲的PCA，掌握了SVD原理后再去看PCA那是相当简单的，在推荐系统方面，SV
ospf协议各类lsa的详细介绍
最新发布
03-31
OSPF协议中定义了多种类型的LSA（Link State Advertisement），主要有以下几种： 1. Type 1 LSA：路由器LSA（Router LSA） 路由器LSA用来描述该路由器连接到的网络信息，包括路由器ID、连接的网络ID、连接的网络类型等。 2. Type 2 LSA：网络LSA（Network LSA） 网络LSA用来描述该网络中连接的所有路由器信息，包括网络ID、连接的路由器ID等。 3. Type 3 LSA：汇聚LSA（Summary LSA） 汇聚LSA用来描述到达其他区域的路由信息，包括目标网络地址、目标网络的路径、目标网络的度量值等。 4. Type 4 LSA：ASBR汇聚LSA（ASBR Summary LSA） ASBR汇聚LSA用来描述到达其他区域的ASBR路由器信息，包括ASBR路由器ID、目标网络地址、目标网络的路径、目标网络的度量值等。 5. Type 5 LSA：外部LSA（External LSA） 外部LSA用来描述外部路由信息，即到达其他AS的路由信息，包括目标网络地址、目标网络的路径、目标网络的度量值等。 6. Type 6 LSA：组汇聚LSA（Group Membership LSA） 组汇聚LSA用来描述组播组的成员信息，包括组播组地址、成员路由器ID等。 7. Type 7 LSA：NSSA外部LSA（NSSA External LSA） NSSA外部LSA用来描述在NSSA区域中到达其他AS的路由信息，与Type 5 LSA类似，但是只在NSSA区域内传递。 以上是OSPF协议中常见的LSA类型，不同类型的LSA在网络中的分布和使用也不一样。例如，Type 1 LSA和Type 2 LSA是在每个OSPF区域内分布的，而Type 3 LSA和Type 5 LSA是在不同OSPF区域之间分布的。在实际网络中，需要根据具体的网络拓扑和需求来选择合适的LSA类型和分布策略。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值