说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 潜在语义索引算法
1)  latent semantic indexing
潜在语义索引算法
1.
Advanced latent semantic indexing algorithm(LSIA) is used to filter contents of mail.
该模型采用CORBA/IIOP体系结构,在服务器端进行基于地址、内容的邮件过滤,其中内容过滤采用先进的潜在语义索引算法,并通过构建用户个性词典的方法解决了该算法中文档集用户兴趣有效性问题。
2.
Advanced Latent Semantic Indexing Algorithm is used to filter content of mail combined with user’s characteristic dictionary which can resolve the shortcomings of user’s interest validity in LSIA.
该模型采用CORBA/IIOP体系结构,在服务器端进行基于地址、基于内容的邮件过滤,其中内容过滤主要采用目前先进的潜在语义索引算法进行过滤,并使用构建用户个性词典的方法解决潜在语义索引算法中文档集用户兴趣有效性问题。
3.
Advanced latent semantic indexing algorithm is used to filter content of mail, and user characteristic dictionary is constructed to solve the problems of user interest validity in LSIA.
该模型采用CORBA/ IIOP体系结构,在服务器端进行基于地址、内容的邮件过滤,其中内容过滤采用先进的潜在语义索引算法,并通过构建用户个性词典解决了该算法中文档集用户兴趣有效性问题。
2)  latent semantic indexing
潜在语义索引
1.
Text summary based on latent semantic indexing;
基于潜在语义索引的文本摘要方法
2.
Construction of user interest-model based on latent semantic indexing approach;
基于潜在语义索引技术的用户兴趣模型构建
3.
Research of Chinese-Text Retrieval Based on Latent Semantic Indexing;
基于潜在语义索引的中文文本检索研究
3)  latent semantic index
潜在语义索引
1.
We studied the application of the LSI(latent semantic index) for FAQ construction in Chinese automatic question and answer system,and emphatically introduces computing technology in sentence similarity and experiment methods of using latent semantic index for FAQ repetition.
研究了潜在语义索引在中文自动问答系统FAQ库构建中的应用,并着重阐述了句子相似度的计算方法以及使用LSI对FAQ库去重的实验选取方法,结果显示LSI方法在一定程度上优于TF×IDF方法。
2.
Based on these observations, in this paper, we propose a new method called LSI-HC for reconstructing feature space based on latent semantic index (LSI) and hierarchical clustering (HC).
基于这些观察,本文采用了一个新的特征空间重构的方法解决高维度和噪音的问题——基于潜在语义索引(Latent Semantic Index,LSI)和层次聚类的特征空间重构方法LSI-HC;并在远程同源检测问题中采用精确度-召回率(Precision-Recall,PR)曲线来代替ROC曲线来评估算法的性能。
4)  Latent Semantic Indexing(LSI)
潜在语义索引
1.
Latent Semantic Indexing(LSI) is a new document retrieval model that has been developed during the last ten years.
潜在语义索引具有可计算性强,需要人参与少等优点。
2.
Latent Semantic Indexing(LSI) is an effective method for Information Retrieval(IR),and it also has been successfully applied to text classification.
潜在语义索引(LSI)是一种有效的信息查询方法,同时也被成功地应用到了文本分类中。
3.
This paper proposed that latent semantic indexing(LSI) was used for Web text dimension reduction and feature extraction,and then the processed results was clustered by support vector clustering(SVC).
提出对网页文本提取特征值后,利用潜在语义索引对网页文本降维,采用支持向量聚类(SVC)算法对降维后的特征向量进行聚类,以此进行文本分类。
5)  LSI
潜在语义索引
1.
Search Result Clustering Method Based on SOM and LSI
基于潜在语义索引和自组织映射网的检索结果聚类方法
2.
Latent Semantic Indexing (LSI) is a novel approach to information retrieval.
潜在语义索引(LSI)是近年发展起来的一种新的信息检索方法,本文以潜在语义索引技术为基础,从图书馆的个性化服务理念入手,介绍了图书馆个性化服务的现状,提出了图书馆个性化服务模型,详细讨论了应用潜在语义索引技术来建立用户个性化模型的系统结构和过程。
3.
This paper analyzes the relationship between terms from relevant text and semantics of images through SVD and constructs the LSI model of images to modify the present images retrieval systems whose performances are hurt by the problems of synonymy and polysemy.
应用奇异值分解方法,分析相关文本词条和图片语义的关系,构造了一个图片“潜在语义索引”模型,用于缓解传统的许多WEB图片检索系统在索引和查询中遇到的同义词和多义词问题,实现语义索引和查询实验表明,该模型能有效地改善图片的索引和查询性能。
6)  PLSI
概率潜在语义索引
补充资料:《潜在抗干扰性理论》
      阐述无线电接收设备潜在抗干扰性理论的名著,苏联B.A.卡捷尼柯夫著。1947年作为博士论文在苏联莫斯科动力学院发表,1956年在莫斯科正式出版。全书共13章,分为4个部分。第一部分是阅读本书的预备知识。第二部分叙述离散消息传输系统的潜在抗干扰性,分别讨论了两个离散值信号和多离散值信号下的理想接收机和潜在抗干扰性。第三部分叙述连续消息、参量传输系统的潜在抗干扰性,分别讨论了不同调制方式(调幅、调频、脉冲调制)和不同噪声干扰强度(弱噪声、强噪声干扰)下的系统潜在抗干扰性。第四部分讨论连续消息、波形传输系统的潜在抗干扰性,分别研究了直接调制、脉冲调制(脉冲调幅、脉冲调位、脉冲调频)和积分调制系统的潜在抗干扰性。这本书是研究最佳接收理论的重要理论著作。
  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条