1) Bayes latent semantic analysis
贝叶斯潜在语义分析
2) BLSM(Bayesian Latent Semantic Model)
贝叶斯潜在语义模型
3) latent semantic analysis(LSA)
潜在语义分析
1.
This paper puts forward a Web services filtrate method based on Latent Semantic Analysis(LSA).
该文提出一种基于潜在语义分析的Web服务筛选方法,将服务的基本描述和服务质量描述以树形结构属性模板表示,采用一定的词频统计和权重方法构建潜在语义空间,生成广告服务索引数据库,根据服务请求进行筛选。
2.
The basic idea of Latent Semantic Analysis(LSA) is described in the introduction of the paper.
对潜在语义分析(Latent Semantic Analysis,LSA)的理论基础进行了介绍,研究了潜在语义分析在中文短文写作自动评分领域的应用方法。
3.
To the weight update of Latent Semantic Analysis(LSA)model,this paper proposes an adaptive weight update algorithm based on Bayesian theory(ALSAB).
针对潜在语义分析(LSA)模型的权重更新问题,提出了一种基于贝叶斯理论的自适应权重更新算法ALSAB。
4) latent semantic analysis
潜在语义分析
1.
Latent Semantic Analysis of Chinese Information;
中文信息的潜在语义分析
2.
Applying Latent Semantic Analysis in Chinese Information Processing;
潜在语义分析在中文信息处理中的应用
3.
Research on Chinese Concept Retrieval Based on Latent Semantic Analysis;
基于潜在语义分析的中文概念检索研究
5) Bayes semantic classifier
贝叶斯语义分类器
6) Latent Semantic Analysis Language Model
潜在语义分析语言模型
补充资料：贝叶斯公式
贝叶斯公式为利用搜集到的信息对原有判断进行修正提供了有效手段。在采样之前，经济主体对各种假设有一个判断（先验概率），设为，{}。
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
，= 1， 2， %26#8230;， (5.5)
在实际经济生活中，信息搜寻工作不是一次就完成的。当信息搜寻进行到某一阶段，设已进行了 次采样( =1，2，%26#8230;)，此时经济主体对各假设的后验概率的认识为
=1， 2， %26#8230;， (5.6)
其中，表示在第次采样前对假设的判断，当 =1时即表示第一次采样前的先验概率，从而式(5.5)变成式(5.6)的一个特例，即，将其记为。
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