Λανθάνουσα Σημασιολογική Ανάλυση (Latent Semantic Analysis)

Παρουσίαση με θέμα: "Λανθάνουσα Σημασιολογική Ανάλυση (Latent Semantic Analysis)"— Μεταγράφημα παρουσίασης:

1 Λανθάνουσα Σημασιολογική Ανάλυση (Latent Semantic Analysis)
Ανάκτηση Πληροφορίας Λανθάνουσα Σημασιολογική Ανάλυση (Latent Semantic Analysis)

2 Τμήμα Πληροφορικής ΑΠΘ
Μοντέλα IR Κλασικά Μοντέλα - Boolean - Vector - Probabilistic Συνολοθεωρητικά - Fuzzy - Extended Boolean Αλγεβρικά - Generalized Vector - Latent Semantic - Neural Networks Πιθανοτικά - Inference Network - Belief Network Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

3 Τμήμα Πληροφορικής ΑΠΘ
Κίνητρο Βασικό μειονέκτημα των μέχρι τώρα μοντέλων είναι ότι υποθέτουν την ανεξαρτησία των όρων (η πιθανότητα ένας όρος να ανήκει σε ένα έγγραφο δεν εξαρτάται από την ύπαρξη κάποιου άλλου όρου στο έγγραφο). Επίσης, έχουμε δύο βασικά προβλήματα με τους όρους: πολυσημία (ένας όρος έχει διαφορετικό νόημα σε διαφορετικές περιοχές, π.χ. ποντίκι) και συνωνυμία (δύο όροι έχουν ακριβώς το ίδιο ή πολύ κοντινό νόημα, άστρο, αστέρας). Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

4 Τμήμα Πληροφορικής ΑΠΘ
Κίνητρο Ποια η επίδραση της πολυσημίας και της συνωνυμίας στην ανάκληση και την ακρίβεια; Η πολυσημία μειώνει την ακρίβεια και η συνωνυμία μειώνει την ανάκληση Γιατί; Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

5 Τμήμα Πληροφορικής ΑΠΘ
Στόχος Να μπορέσουμε να βρούμε συσχετίσεις μεταξύ των όρων έτσι ώστε να μεταβούμε από τους όρους στις θεματικές περιοχές (concepts). Να μειώσουμε την επίδραση της πολυσημίας και της συνωνυμίας. Να μειώσουμε τον αριθμό των διαστάσεων. Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

6 Singular Value Decomposition
Η τεχνική LSI (Latent Semantic Indexing) βασίζεται στο μαθηματικό εργαλείο SVD (Singular Value Decomposition) Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

7 Singular Value Decomposition
Problem: #1: Find concepts in text #2: Reduce dimensionality Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

8 Τμήμα Πληροφορικής ΑΠΘ
SVD - Definition A[n x m] = U[n x r] L [ r x r] (V[m x r])T A: n x m matrix (e.g., n documents, m terms) U: n x r matrix (n documents, r concepts) L: r x r diagonal matrix (strength of each ‘concept’) (r: rank of the matrix) V: m x r matrix (m terms, r concepts) Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

9 Τμήμα Πληροφορικής ΑΠΘ
SVD - Properties THEOREM [Press+92]: always possible to decompose matrix A into A = U L VT , where U, L, V: unique (*) U, V: column orthonormal (ie., columns are unit vectors, orthogonal to each other) UTU = I; VTV = I (I: identity matrix) L: singular value are positive, and sorted in decreasing order Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

10 Τμήμα Πληροφορικής ΑΠΘ
SVD - Properties ‘spectral decomposition’ of the matrix: l1 x x = u1 u2 l2 v1 v2 Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

11 Τμήμα Πληροφορικής ΑΠΘ
SVD - Interpretation ‘documents’, ‘terms’ and ‘concepts’: U: document-to-concept similarity matrix V: term-to-concept similarity matrix L: its diagonal elements: ‘strength’ of each concept Projection: best axis to project on: (‘best’ = min sum of squares of projection errors) Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

12 Τμήμα Πληροφορικής ΑΠΘ
SVD - Example A = U L VT - example: retrieval inf. lung brain data CS x x = MD Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

13 Τμήμα Πληροφορικής ΑΠΘ
SVD - Example A = U L VT - example: doc-to-concept similarity matrix retrieval CS-concept inf. lung MD-concept brain data CS x x = MD Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

14 SVD - Example A = U L VT - example: ‘strength’ of CS-concept CS x x =
retrieval ‘strength’ of CS-concept inf. lung brain data CS x x = MD Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

15 Τμήμα Πληροφορικής ΑΠΘ
SVD - Example A = U L VT - example: term-to-concept similarity matrix retrieval inf. lung brain data CS-concept CS x x = MD Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

16 SVD – Dimensionality reduction
Q: how exactly is dim. reduction done? A: set the smallest singular values to zero: x x = Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

17 SVD - Dimensionality reduction
x x ~ Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

18 SVD - Dimensionality reduction
~ Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

19 Τμήμα Πληροφορικής ΑΠΘ
LSI Q1: How to do queries with LSI? A: map query vectors into ‘concept space’ – how? data inf. retrieval brain lung = CS MD x Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

20 Τμήμα Πληροφορικής ΑΠΘ
LSI Q: How to do queries with LSI? A: map query vectors into ‘concept space’ – how? retrieval inf. term2 lung q brain data q= v2 v1 A: inner product (cosine similarity) with each ‘concept’ vector vi term1 Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

21 Τμήμα Πληροφορικής ΑΠΘ
LSI compactly, we have: qconcept = q V e.g.: CS-concept data inf. retrieval brain lung q= = term-to-concept similarities Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

22 Τμήμα Πληροφορικής ΑΠΘ
Little example How would the document (‘information’, ‘retrieval’) handled by LSI? A: SAME: dconcept = d V Eg: CS-concept data inf. retrieval brain lung d= = term-to-concept similarities Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ

23 Τμήμα Πληροφορικής ΑΠΘ
Προσοχή Εάν στον αρχικό πίνακα A τα διανύσματα των εγγράφων είναι στις γραμμές του πίνακα τότε για τη μείωση των διαστάσεων χρησιμοποιείται ο μετασχηματισμός: A’ = A * Vk. Εάν στον αρχικό πίνακα Α τα διανύσματα των εγγράφων είναι στις στήλες του Α τότε: A’ = UkT * A Ανάκτηση Πληροφορίας Τμήμα Πληροφορικής ΑΠΘ