托莫·科雷尼乌斯;乔尔马·劳里卡拉;马蒂·朱霍拉 关于主成分分析，信息检索中的余弦和欧几里德测度。 （英语） Zbl 1122.68417号 信息科学。 177，第22号，4893-4905（2007）. 摘要：聚类组将对象表示为向量。广泛的向量空间可能会对应用这些方法造成障碍。因此，使用主成分分析（PCA）缩小了向量空间。传统的余弦测量并不是PCA的唯一选择，它涉及到数据的平均校正。由于平均校正会改变原点的位置，因此文档向量之间的角度也会改变。为了避免这种情况，我们在余弦测度和欧几里德距离之间使用了一种联系，并结合主成分分析（PCA）进行了基础搜索。我们将单一完整的链接和Ward聚类应用于芬兰文档，将其相关性评估作为一个新特征。数据归一化后，运行主成分分析并对相关文档进行聚类。 引用于5文件 MSC公司： 68第20页 信息存储和数据检索 关键词：信息检索;余弦测量;欧氏距离测度;主成分分析;群集;文件 软件：Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{T.Korenius}等人，《信息科学》。177，第22号，4893--4905（2007；Zbl 1122.68417） 全文： 内政部 参考文献： [1] R.Alkula，《从字符串到芬兰语单词（芬兰语）》，芬兰坦佩雷大学信息研究系博士论文，2000年。；R.Alkula，《从字符串到芬兰语单词（芬兰语）》，芬兰坦佩雷大学信息研究系博士论文，2000年。 [2] Alkula，R.，从普通字符串到有意义的单词：用形态学分析软件为屈折和复合语言生成更好的全文数据库，信息检索，4，3-4195-208（2001）·Zbl 0991.68108号 [3] Belew，R.K.，《发现关于搜索引擎技术和WWW的认知视角》（2000），剑桥大学出版社：剑桥大学出版社·Zbl 0971.68045号 [4] Berry，M.W。；Dumais，S.T。；O'Brien，G.W.，《使用代数进行智能信息检索》，SIAM Review，37，4，573-595（1995）·Zbl 0842.68026号 [5] Deerwester，S.公司。；Dumais，S.T。；Furnas，G.W。；Landauer，T.K。；Harsman，R.，潜在语义分析索引，美国信息科学学会期刊，41，6391-407（1990） [6] 埃弗里特，B.S。；兰道，S。；Leese，M.，聚类分析（2001），阿诺德：阿诺德伦敦·Zbl 1205.62076号 [7] El-Hamdouchi，A。；Willet，P.，《文献检索中层次凝聚聚类方法的比较》，《计算机期刊》，32，3，220-227（1989） [8] 格罗斯曼博士。；Frieder，O.，《信息检索、算法和启发式》（2004），Springer:Springer Berlin·Zbl 1066.68041号 [9] Hand，D.J。；Mannila，H。；Smyth，P.，《数据挖掘原理》（2001），麻省理工学院出版社：麻省剑桥 [10] 霍恩，R.A。；Johnson，C.R.，矩阵分析（1990），剑桥大学出版社：剑桥大学出版社·Zbl 0704.15002号 [11] Jain，A.K。；Dubes，R.C.，《聚类数据算法》（1988），恩格伍德悬崖：新泽西恩格伍德崖·Zbl 0665.62061号 [12] Jolliffe，I.T.，主成分分析（1986），Springer-Verlag:Springer-Verlag纽约·Zbl 1011.62064号 [13] Kang，B.-Y。；Kim，D.-W。；Lee，S.-J.，《利用概念簇进行基于内容的信息检索》，《信息科学》，第170期，第443-462页（2005年） [14] 考夫曼，L。；Rousseeuw，P.J.，《数据中的发现群体》（1990），威利出版社：威利纽约·Zbl 1345.62009号 [15] J.Kekäläinen，《概率文本检索中查询复杂性扩展和结构对检索性能的影响》，芬兰坦佩雷大学信息研究系博士论文，1999年。；J.Kekäläinen，《查询复杂性扩展和结构对概率文本检索检索性能的影响》，芬兰坦佩雷大学信息研究系博士论文，1999年。 [16] Kekäläinen，J。；Järvelin，K.，《在IR评估中使用分级相关性评估》，《美国信息科学与技术学会杂志》，53，13，1120-1129（2002） [17] Korenius，T.公司。；Laurikkala，J。；朱霍拉，M。；Järvelin，K.，《芬兰报纸文章集的层次聚类与分级相关性评估》，信息检索，9，33-53（2006） [18] Lance，G.N。；威廉姆斯，W.T.，分类策略的一般理论，1。层次系统，《计算机杂志》，9373-380（1967） [19] Lertnattee，V。；Theeramunkong，T.，基于中心的文本分类中的类规范化，信息科学，1761712-1738（2006）·Zbl 1092.68665号 [20] 曼宁，C.D。；Schütze，H.，《统计自然语言处理基础》（2000年），麻省理工学院出版社：麻省理工学院出版社，马萨诸塞州剑桥 [21] 毛切克，M.S。；Kačič，Z。；Horvat，B.，《高度屈折语言建模》，《信息科学》，166249-269（2004）·Zbl 1078.68794号 [22] Matlab Statistics Toolbox User's Guide，第四版，The Math Works Inc.，马萨诸塞州纳蒂克，2002年。；Matlab统计工具箱用户指南，第四版，The Math Works Inc.，马萨诸塞州纳蒂克，2002年。 [23] Mitchell，T.M.，《机器学习》（1997），McGraw-Hill:McGraw-Hill纽约·Zbl 0913.68167号 [24] 钱，G。；苏拉尔，S。；顾毅。；Pramanik，S.，最近邻查询的欧几里德和余弦角距离的相似性，（Haddad，H.M.；Omicini，A.；Wainwright，R.L.；Liebrock，L.M.，ACM应用计算研讨会（2004），ACM出版社），1232-1237 [25] 拉加万，V.V。；Wong，S.K.M.，《信息检索向量空间模型的批判性分析》，《美国信息科学学会杂志》，37279-287（1986） [26] Rasmussen，E.，《聚类算法》（Frakes，W.B.；Baeza-Yates，R.，《信息检索：数据结构和算法》（1992），普伦蒂斯·霍尔出版社：新泽西普伦蒂斯霍尔出版社），419-442 [27] Rencher，A.C.，《多元分析方法》（2002年），威利出版社：威利纽约·Zbl 0995.62056号 [28] L.Ru，L.Zhao，M.Zhang，S.Ma，《改进的特征选择和冗余计算》，THUIR at TREC 2004 Novelty track，in：E.M.Voorhess，L.P.Buckland（Eds.），第十三届文本检索会议（TREC）2004，http://trec.nist.gov/pubs/trec13/papers/tsinghua-ma.geo.pdf; L.Ru，L.Zhao，M.Zhang，S.Ma，《改进的特征选择和冗余计算》，THUIR at TREC 2004 Novelty track，in：E.M.Voorhess，L.P.Buckland（Eds.），第十三届文本检索会议（TREC）2004，http://trec.nist.gov/pubs/trec13/papers/tsinghua-ma.geo.pdf [29] Salton，G.，《自动文本处理：计算机信息的转换、分析和检索》（1989），Addison-Wesley:Addison-Whesley Reading，MA [30] Salton，G。；Wong，A。；Yang，C.S.，自动索引的向量空间模型，ACM通信，18，613-620（1975）·Zbl 0313.68082号 [31] Sebastiani，F.，自动文本分类中的机器学习，ACM计算调查，34，1，1-47（2002） [32] Sharma，S.，《应用多元技术》（1996），威利出版社：威利纽约 [33] Singhal，A。；巴克利，C。；Mitra，M.，Pivoted document length normalization，（Frei，H.-P.；Harman，D.；Schaüble，P.；Wilkinson，R.，《ACM SIGIR第19届信息检索研究与开发国际会议论文集》（1996），ACM出版社：ACM出版社纽约），21-29 [34] Späth，H.，《用于数据简化和对象分类的聚类分析算法》（1980），Ellis Horwood:Ellis Holwood New York·Zbl 0435.62059号 [35] 范德维德，Th.P。；van Bommel，P.，《衡量文档的增量信息价值》，《信息科学》，176，91-119（2006）·Zbl 1101.68545号 [36] Willet，P.，《分层文档聚类的最新趋势：评论》，《信息处理与管理》，第24、5、577-597页（1988年） [37] 萨德罗尼。；Kacprzyk，J.，《文本处理用词的计算：文本分类方法》，信息科学，176，415-437（2006） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。