论文部分内容阅读
实现数字图书馆资源聚合的知识发现离不开对知识的有效表示。作为经典的文本表示模型，向量空间模型（VSM）及其衍生模型在信息检索以及知识发现等研究中都有着重要的地位，但依然存在不足。共现潜在语义向量空间模型（CLSVSM）作为新的文本表示模型，与VSM相比明显提高了文本聚类的精度。然而，面对文本大数据的应用，共现矩阵维度往往较高，致使模型的计算复杂度也较大。因此，本文在CLSVSM基础上构建了语义核（CLSVSMK），构建的原理是基于潜在语义分析（LSA）的思想。CLSVSMK不仅降低了共现矩阵的维度，而且实