學科主題:資訊系統檢索 (1)想請問何謂隱含語意索引(latent semantic indexing) (2)與向量空間模型相比，它的優點及缺點是什麼 因非資訊專科出身，希望可以找尋到淺顯易懂的說明 感謝您

您好！

有關資訊系統檢索之提問，簡答如下：

一、隱含語意索引（latent semantic indexing）名詞解釋:

｢隱含語意索引（latent semantic indexing，簡稱LSI），又稱潛在語意分析（latent semantic analysis，簡稱LSA），是以向量空間模型（vector space model）為基礎，透過奇異值分解（singular value decomposition，簡稱SVD）與維度約化（dimension reduction）進行語意關聯模型建構的方法......此技術能捕捉詞彙間隱含的語意關聯，形成由概念所構成的語意空間（semantic space），進而解決傳統向量空間模型中假設向量維度（即詞彙）彼此獨立而無相關性的缺點......｣

｢隱含語意索引將詞彙群組成概念，其好處是概念代表多個相關詞或同義詞的集合，且一個概念僅表達單一語義，使得傳統向量空間模型中假設詞彙彼此獨立而造成多詞同義（synonym）及一詞多義（polysemy）未納入考量的問題得以解決......｣
（詞條作者：葉鎮源／2012年10月）

引文來源：國家教育研究院｢雙語詞彙、學術名詞暨辭書資訊網｣／圖書館學與資訊科學大辭典　 http://terms.naer.edu.tw/detail/1678985/
建議您參考完整原文。


二、向量空間模型（vector space model）名詞解釋:

｢向量空間模型（vector space model，簡稱VSM）是常用的資訊檢索模型，是將文件表達成數學概念（亦即幾何空間中的向量）的一種方式，以方便計算文件之間的相似程度，或便利探討文件與詞彙之間的各種關係......｣
（詞條作者：曾元顯／2012年10月）

引文來源：國家教育研究院｢雙語詞彙、學術名詞暨辭書資訊網｣／圖書館學與資訊科學大辭典
http://terms.naer.edu.tw/detail/1678992/
建議您參考完整原文。


三、其他相關資源及文獻:
(1) 曾元顯／｢資訊檢索與知識探勘｣ 
國家圖書館編目園地 http://catweb.ncl.edu.tw/datas/3-1-009-10.pdf

(2) 呂啟銓／演算法在改善隱含語意索引於大型語料庫之效能比較
朝陽科技大學／資訊工程系碩士班／97／碩士／指導教授：吳世弘

(3) Wu， Shih-hung、Yang，Pey-ching、Soo，Von-wun，"An Assessment of Character-based Chinese News Filtering Using Latent Semantic Indexing"，International Journal of Computational Linguistics & Chinese Language Processing 3:2 (民87.08)，頁61-78。


以上資料僅供參考。敬祝　安康！

國家圖書館　知識服務組　謹啟
2015.4.25