改进的重心剖分模型研究

潘梦真 湖南师范大学数计院

1 基于属性的重心剖分模型

自属性论被提出以后，不少的学者和研究人员都对其进行了深入的研究和学习，并提出很多优秀的改进意见和方案。从属性论在信息检索领域应用的情况来看，己有不少的研究人员利用属性论来为相似度计算以及信息检索进行模型的搭建。

1.1 文本属性坐标系

2 对重心剖分模型的改进

利用文档向量和查询向量来对文本的核心重心进行描述，可以得到信息之间的内在逻辑推理关系，使用文本属性的坐标系来对属性和元素之间的关系程度进行展现。

通过上面的两个重心公式可以知道，文本的向量与检索向量只是一种的关系。在这种情况下，如果使用欧式距离计算来算出相似度的值是没有实际的意义的。

另一方面，关于模型的不足如在文献[1]中的所提出的:查询向量用查询线与文本重心相交点表示，此时信息量与原本的信息量相比有一定的损失。因此，计算相似度的关键点在于如何将文本的重心考虑进来且不用欧式距离计算方式来找出一个更加合理的算法。

借鉴属性坐标学习分析法的构建，满意度函数可以解释为:在一个量纲的成绩单纯形中，可以量测心理标准与在这个成绩单中的某一个绩点的距离。该心理标准点是从心理学的角度出发的，以机器学习的方式来实现决策者的权重平衡点的获取。这个时候，对成绩点与心理标准点之间的距离是通过基于坐标的满意度函数来计算的，已经不属于欧式距离的范畴。……