对LSA的怀疑

Question

我必须在存储库中找到参考文档和文档集之间的相似性。

Method : 

1. I find the term document matrix for all the documents including the reference document 
2. The svd is calculated for this matrix 
3. I take the v array(The third result)
4. I transpose this matrix so that the each row represents a document . 
5. The first row represents the reference document . 
6. I find the cosine similarity beween this row and the rest of the rows 

我的怀疑是：

1. 因为我的数据库中有大约7个文档，所以我只得到8*8的varray(文档矩阵)。所以，如果我找到与这8个值的余弦相似性，我会得到一个正确的结果吗？
2. 这种方法是否普遍采用呢？

我使用java来编写这个代码。我利用jama软件包找到svd。

Answer 1

• 我已经尝试了使用Matlab使用TMG工具箱。效果很好。
• 为了获得更好的结果(或更精确)，请使用更大的数据集。
• 在LSA中，svd是其中的一部分(用于降维)。在计算余弦相似性时，需要最后一个矩阵，这是在计算A=U*S* V^t之后得到的。

您可以阅读LSA 这里的示例。