从 LSI 中的 TruncatedSVD 恢复原始文档

问题描述

我使用来自 Scikit-learn 的 TruncatedSVD 来执行 LSA/LSI（潜在语义索引）。我目前拥有的：

1. 从我的文本语料库中创建 TF-IDF 矩阵，其中每一列是一个文档（加权字数），每行是一个词
2. 使用 TruncatedSVD
将维度减少到 200x200 矩阵
3. 标准化矩阵列，使它们的长度为 1

我想对这些文本进行搜索。所以对于新查询我：

1. 使用 TF-IDF 对其进行转换
2. 使用先前创建和拟合的 TruncatedSVD 降低维度
3. 使用 200x200 矩阵的列计算点积

所以我有长度为 200 的向量，其中查询向量和使用 SVD 降维提取的“主题”/“概念”之间有相似之处。

问题：我想根据相似性而不是主题提取原始文档并对其进行排名。这可能吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）