潜在语义索引 (LSI) 是一种用于信息检索 (IR) 的技术,用于发现单词和文档之间的隐藏关系。LSI使用奇异值分解 (SVD) 来减少术语文档矩阵的维数,识别数据中的模式和潜在语义结构。
在传统的术语-文档矩阵中,单词由行表示,文档由列表示。LSI通过分析共现模式来发现单词和文档之间的关联,从而帮助捕获单词的潜在含义,尤其是在使用同义词或相关术语时。例如,LSI可以帮助链接有关 “心脏病” 和 “心脏病学” 的文档,即使它们不共享确切的关键字。
LSI通过提高系统处理同义词和多义词 (单词的多种含义) 的能力来增强搜索结果。这允许IR系统返回更相关的结果,即使查询中使用的确切术语不存在于文档中,使搜索过程更高效和准确。