概率潜在语义分析

摘要： 为解决服务推荐过程中,用户兴趣的不确定性问题和多样性问题,提出一种基于用户多兴趣的服务流程推荐方法.该方法分为两部分:①初始兴趣引导:在初始创建服务流程时,面对用户兴趣的不确定性,利用N元模型学习已知服务流程的上下文,通过上下文顺序缩小推荐空间,为用户提供更加精准的服务链接组件;②用户兴趣抽取:在创建服务流程结束后,面对用户兴趣的多样化,概率潜在语义分析训练出用户的兴趣-服务流程分布,为用户推荐出符合当下兴趣的其他服务流程.通过仿真实验表明,所提方法能够快速、准确地为用户推荐相关服务组件和业务流程链.

摘要： 高分辨率遥感影像可以为小型港口的监管提供有效途径.针对小型港口形态多样、特征难以描述等问题,研究了一种基于概率潜在语义分析(probabilistic latent semantic analysis,PLSA)模型和词袋(bag of words,BoW)模型的小型港口检测方法.该方法首先提取水岸线以缩小搜索范围;然后将灰度直方图、归一化差分水体指数、分形维数特征引入PLSA模型生成特征描述集,将加速鲁棒特征向量引入BoW模型生成视觉词典;根据以上特征描述集和构建的小型港口样本库训练SVM分类器,利用22幅影像进行小型港口检测实验.实验结果表明,相比于只使用常见单一特征或单一模型,该方法的检测结果更佳,耗时更少.

摘要： 电子商务网站中的评论数据隐含着商品特征和用户情感,现有基于方面情感分析的推荐研究大多通过抽取同一类别商品评论数据中用户对商品不同方面的情感来捕捉用户方面偏好,忽略了不同类别商品有不同方面以及用户的方面偏好随时间变化的特点.对此,该文提出一种面向时序感知的多类别商品方面情感分析推荐模型,该模型对用户、商品类别、商品、商品方面、方面情感和时间统一建模,以发现用户对不同类别商品的方面偏好随时间变化的特点,并据此做出推荐.该模型能够推断用户在任意时间对商品的方面偏好,从而为用户提供可解释的推荐.两个真实数据集的实验结果表明,与其它基于时间或方面情感分析的推荐模型相比,该文提出的模型在top-N推荐准确率和召回率评价指标上均获得显著改善.%Review data in e-commerce websites implicates items' features and users' sentiment. Most existing recommendation researches based on aspect-level sentiment analysis capture users' aspect preference for items by extracting users' sentiment towards different aspects of items in the review data of a same category, ignoring that different category items have different aspects and that users' aspect preference varies by time. A temporal-aware multi-category products recommendation model is proposed based on aspect-level sentiment analysis, which jointly models user, category, item, aspect, aspect-sentiment and time in order to find how users' aspect preferences vary by time on different category items. This model is able to infer users' aspect preferences for items at any time, which can provide users with explainable recommendations. Experiment results on two real-world data sets show that, in comparison to other recommendation models based on time or aspect-level sentiment analysis, the proposed model achieves significant improvement in the precision and recall for the top-N recommendation.

摘要： 提出了一种基于概率潜在语义分析的多源遥感影像湿地检测方法.首先提取高分辨率影像的光谱、纹理和湿地场景的地物组成成分,并结合由多光谱遥感数据提取的湿地地表温度、土壤含水量,组成湿地场景的特征空间;然后利用概率潜在语义分析将湿地场景表示成多个潜在语义的组合,并用潜在语义的权值向量来描述湿地场景的特征空间;最后利用SVM分类器实现湿地场景的检测.试验表明,概率潜在语义分析能够将湿地的高维特征空间映射到低维的潜在语义空间中,地物组成成分和定量环境特征的加入能更加有效地表征湿地特征空间,提高湿地检测精度.%A novel wetland detection approach for multi-sources remote sensing images was proposed, which based on the probabilistic latent semantic analysis (pLSA).Firstly, spectral, texture, and subclass of wetland were extracted from high-resolution remote sensing image, and land surface temperature and soil moisture of wetland were derived from corresponding multispectral remote sensing image.The feature space of wetland scene was hence formed.Then, wetland scene was represented as a combination of several latent semantics using pLSA, and the feature space of the wetland scene was further described by weight vector of latent semantics.Finally, supporting vector machine (SVM) classifier was applied to detect the wetland scene.Experiments indicated that the adoption of pLSA is able to map the high-dimensional feature space of wetland to low-dimensional latent semantic space.Besides, the addition of subclass and quantitative environment features is able to characterize wetland feature space more effectively and improve the detection accuracy significantly.

摘要： 为减少图像检索中图像信息的缺失与语义鸿沟的影响,提出了一种基于多特征融合与PLSA-GMM的图像自动标注方法.首先,提取图像的颜色特征、形状特征和纹理特征,三者融合作为图像的底层特征;然后,基于概率潜在语义分析(PLSA)与高斯混合模型(GMM)建立图像底层特征、视觉语义主题与标注关键词间的联系,并基于该模型实现对图像的自动标注.采用Corel 5k数据库进行验证,实验结果证明了本文方法的有效性.%In order to reduce the impact of semantic gap and lack of image information,a way to improve the image automatic annotation with multi-feature fusion and PLSA-GMM is proposed.Firstly,it is used as the bottom feature of the image with the color feature,shape feature and texture feature of the image.Then,the relation among the low-level feature,the visual semantic topics and the key words is built based on the probabilistic latent semantic analysis(PLSA) and the Gauss mixture model(GMM).Finally,the images can be annotated based on the introduced model.According to test on the widely used database Corel 5k,the results show that the new scheme gives the better performance.

摘要： The typical thought of information interpretation for high-resolution remote sensing image proceeds from the de-tection and recognition analysis of the specific targets to understand the image scene. A remote sensing image visual feature rep-resentation method based on CSIFT feature and a remote sensing image scene semantic recognition method based on probabilis-tic latent semantic analysis(PLSA)are given. Effectiveness of the proposed methods was verified in the experiment with ten typi-cal remote sensing image scenes.%高分辨率遥感图像的信息解译的通常思路是从特定类型目标的检测与识别分析入手,最终实现图像场景的认知理解.给出一种利用CSIFT特征的遥感图像视觉特征表示方法和基于PLSA的遥感图像场景语义识别方法,并利用10类典型遥感图像场景进行实验,充分验证了该方法的有效性.

摘要： Topic models extract low-dimensional representation of the topic from high-dimensional sparse data set of word by using fast machine learning algorithms,achieving a word document clustering.It is an important work in this field to study the model parameter estimation.The paper detailed the probabilitic latent semantic analysis model,the latent Dirichlet model and basic methods of parameter estimation in topic model.In addition,the paper gave an experimental analysis of perplexity in topic model.%主题模型利用快速的机器学习算法从高维稀疏的单词数据中提取出低维的主题表示,实现了对文档单词的聚类.对主题模型中的参数进行估计是该领域的一项重要研究工作.详细描述了概率潜在语义分析模型和潜在狄利克雷模型以及主题模型中基本的参数估计方法,并对模型的困惑度进行了实验比较.

摘要： 针对MODIS图像分辨率受传感器限制和噪声干扰,且分辨率局限在一定水平等问题,提出一种采用主题学习和稀疏表示的MODIS图像超分辨率重建方法,该方法通过双边滤波将MODIS图像的平滑及纹理部分分离,并将纹理部分看成是由若干“文档”组成的训练样本;运用概率潜在语义分析提取“文档”的潜在语义特征,从而确定“文档”所属的“主题”.在此基础上,针对每个主题所对应的图像块,采用改进的K-SVD方法训练若干适用于不同主题的高低分辨率字典对,从而可以运用这些字典对,通过稀疏编码实现测试图像相应主题块的超分辨率重建.实验结果表明,重建图像在视觉效果和PSNR等指标上均优于传统方法.%MODIS images have important application value in the field of ground monitoring,cloud classification,and meteorological research.However,their image resolutions are still limited to a certain level because of the sensor limitations and external disturbance.This study attempts to reconstruct high-resolution MODIS images that make the edge clearer and more detailed by utilizing topic learning and the sparse representation method.The application value of existing MODIS images is then improved.A super resolution reconstruction method for MODIS images based on topic learning and sparse representation is proposed.The smoothing and texture parts of MODIS images are separated by the bilateral filtering method.The texture part is regarded as a training sample composed of several "documents".The latent semantic features of the "document" are extracted by probabilistic Latent Semantic Analysis (pLSA) to discover the inherent "topics" of "document".The improved K-SVD method trains several high-and low-resolution dictionary pairs that are suitable to different topics based on the aforementioned scenario,where the image blocks correspond to each topic.The probabilistic latent semantic analysis method is utilized in the reconstruction phase to adaptively select the image block topic,combine the dictionary of the corresponding topic,and reconstruct the high-resolution MODIS image through the sparse coding method.First,the MODIS image is blurred and subjected to down sampling processing in the experiment process to obtain a low-resolution image.Super resolution reconstruction is performed by utilizing different methods.The PSNR and SSIM of the original high-resolution and reconstructed images were compared utilizing different methods.Results show that the PSNR of the reconstructed image by our method is higher by approximately 1 dB and 0.5 dB than the bicubic interpolation and SCSR method,respectively.Its SSIM value is also higher than those of the other methods.The visual effects of super resolution reconstruction on the real images by different methods were compared.The experimental results show that the reconstructed images by our method have a high contrast ratio and rich texture details.The human vision is more sensitive to the image texture.This study separates the smoothing and texture parts of the MODIS image through the bilateral filter.The texture part is divided into multiple topics by probabilistic latent semantic analysis.A local adaptive super resolution method is constructed,which overcomes the problem of the adaptive selection of a reasonable dictionary according to the local characteristics of MODIS images.This process was conducted under the topic model framework combined with the improved K-SVD dictionary training methods,which train several high-and low-resolution dictionary pairs suitable to different topics.The experimental results show that the multi-dictionary reconstruction method can be utilized to represent MODIS images more sparsely and enhance the image reconstruction details.The experimental results also show that the reconstructed image is superior to the traditional method in terms of the visual effects,PSNR,and SSIM.

摘要： 提出了一种基于分层特征的群体行为识别方法.为了有效地描述识别信息,利用三层局部因果关系编码群体行为来描述运动特征,采用自我因果关系,双人因果关系,群体因果关系分别描述个人层级,双人层级,群体层级的运动特征,并结合外观特征来描述群体行为.最后,采用概率潜在语义分析(PLSA,Probabilistic Latent Semantic Analysis)模型进行群体行为识别.利用该方法在NUS-HGA这个数据集上进行了训练与测试,证明了该方法的有效性.

摘要： 为减小图像检索中语义鸿沟的影响,提出了一种基于视觉语义主题的图像自动标注方法.首先,提取图像前景与背景区域,并分别进行预处理;然后,基于概率潜在语义分析与高斯混合模型建立图像底层特征、视觉语义主题与标注关键词间的联系,并基于该模型实现对图像的自动标注.采用corel 5数据库进行验证,实验结果证明了本文方法的有效性.

摘要： 目的:使用概率潜在语义分析(PLSA)研究中药配伍方案，为中药处方发现提供新途径。rn 方法：基于丰富的中医药文献数据，从临床治疗缺血性心脑血管疾病的方剂出发，使用PLSA算法，筛选出治疗该疾病的中药新处方。rn 结论：PLSA算法在治疗缺血性心脑血管疾病中药处方发现中有着广阔的应用前景。

摘要： 本文利用概率潜在语义分析，给出了两种用于判别词汇的情感倾向的方法。一种是使用概率潜在语义分析获得每个目标词和基准词之间的相似度矩阵，再利用投票法决定每个目标词的情感倾向;二是利用概率潜在语义分析对目标词进行语义聚类和扩展，自动找到每个目标词的同义词，然后采用基于同义词的词汇情感倾向判别方法对目标词的情感倾向做出判别。这两种方法的优点均在没有外部资源的条件下，可以实现情感倾向的判别。

摘要： 语义倾向性识别是文本情感分析的子问题，是一类特殊的文本分类问题。由于PLSA算法的概率特性及其在文本分类中的优异表现，文中将其引入语义倾向性识别研究中，提出了一种适用于e-Leaming交互环境的基于 PLSA的情感倾向性识别算法。实验结果表明在适量的训练文本情况下，相比基于SVM算法的传统语义识别，基于PLSA算法的语义识别准确率对训练样本数量更加敏感，且随着训练集数量的增加，算法识别准确率能得到较大幅度提升。

摘要： 语义倾向性识别是文本情感分析的子问题，是一类特殊的文本分类问题。由于PLSA算法的概率特性及其在文本分类中的优异表现，文中将其引入语义倾向性识别研究中，提出了一种适用于e-Leaming交互环境的基于 PLSA的情感倾向性识别算法。实验结果表明在适量的训练文本情况下，相比基于SVM算法的传统语义识别，基于PLSA算法的语义识别准确率对训练样本数量更加敏感，且随着训练集数量的增加，算法识别准确率能得到较大幅度提升。

摘要： 语义倾向性识别是文本情感分析的子问题，是一类特殊的文本分类问题。由于PLSA算法的概率特性及其在文本分类中的优异表现，文中将其引入语义倾向性识别研究中，提出了一种适用于e-Leaming交互环境的基于 PLSA的情感倾向性识别算法。实验结果表明在适量的训练文本情况下，相比基于SVM算法的传统语义识别，基于PLSA算法的语义识别准确率对训练样本数量更加敏感，且随着训练集数量的增加，算法识别准确率能得到较大幅度提升。

摘要： 语义倾向性识别是文本情感分析的子问题，是一类特殊的文本分类问题。由于PLSA算法的概率特性及其在文本分类中的优异表现，文中将其引入语义倾向性识别研究中，提出了一种适用于e-Leaming交互环境的基于 PLSA的情感倾向性识别算法。实验结果表明在适量的训练文本情况下，相比基于SVM算法的传统语义识别，基于PLSA算法的语义识别准确率对训练样本数量更加敏感，且随着训练集数量的增加，算法识别准确率能得到较大幅度提升。

摘要： 语义倾向性识别是文本情感分析的子问题，是一类特殊的文本分类问题。由于PLSA算法的概率特性及其在文本分类中的优异表现，文中将其引入语义倾向性识别研究中，提出了一种适用于e-Leaming交互环境的基于 PLSA的情感倾向性识别算法。实验结果表明在适量的训练文本情况下，相比基于SVM算法的传统语义识别，基于PLSA算法的语义识别准确率对训练样本数量更加敏感，且随着训练集数量的增加，算法识别准确率能得到较大幅度提升。

摘要： 本发明公开了一种基于概率潜在语义分析的水下目标信号特征提取方法，包括如下步骤：对混合有噪声的水下目标信号进行处理得到降噪频谱图

摘要： 本发明提供了一种基于半监督概率潜在语义分析的软件变更日志分类方法，该方法结合了先验知识所确定的单词字典，并根据单词与单词之间的概率相关性、单词与变更日志类别之间的概率相关性、以及软件变更日志自身与变更日志类别之间的概率相关性，客观地对软件变更日志进行分类，避免了依据词频特性的权重值进行软件变更日志的分类，使得分类的准确性得以提升，有效地解决了现有技术中因人为设定权重值导致软件变更日志分类存在误差、准确性较低的问题。

摘要： 本发明公开了概率潜在语义分析技术领域中的一种多模态数据的融合概率潜在语义分析方法。本发明从多模态数据本质出发，通过交叉结构的引入，将仅用于单模态的标准概率潜在语义分析模型扩展至多模态，主要对每个模态对潜在语义空间贡献的差异性和它们之间内容的关联性进行建模，从而为多模态数据提供更为准确的分析和描述。本发明通过全局的参数更新来实现更为精确的参数估计；为各模态选定合适的主题数取值范围提供了依据，减少了人工选取的工作量。

摘要： 一种基于概率潜在语义分析模型的Web服务发现方法利用了概率潜在语义分析模型对解析后的Web服务描述性文档进行建模分析，挖掘隐藏在服务描述背后的语义概念，进行语义聚类，在较先进的概念层次将请求服务和服务集中的服务进行相似性匹配，并且结合了语法层次上的谱聚类，在语义聚类之前以一种基于谱聚类的算法对服务数据集进行无关数据的滤除，从而压缩了计算的复杂性。经过试验证明，此方法在服务发现的查准率和查全率方面都有着很好的表现。

摘要： 本发明公开了一种基于概率潜在语义分析的水下目标信号特征提取方法，包括如下步骤：对混合有噪声的水下目标信号进行处理得到降噪频谱图利用原始频谱图v和降噪频谱图进行频谱可靠性权重计算，得到加权后第n个频段的降噪频谱图Sn；对Sn进行短时傅里叶变换，得到信号对使用频谱三角滤波器进行滤波，得到滤波后的整个频谱对进行矩阵分解，提取具有最高贡献率的前L个特征向量，构成声学子空间；对提取的前L个特征向量进行归一化计算，将归一化后的L个特征向量连接起来，以构建声学特征向量。本发明所公开的方法实现了从时间与频率相结合来反映声音信号特征，可以降低噪声的污染，从而更有效的表征声音信号。

摘要： 本发明提出一种基于概率潜在语义分析的行人异常识别方法，主要解决现有技术中特征表征能力弱、分类不够准确的问题。该方法主要步骤包括：从视频文件中提取人体运动目标，对目标区域提取时空兴趣点，并采用HOG3D/HOF描述子加以表征，通过K‑means聚类对所有描述子特征向量分类，生成视频词典，并建立其词袋模型，然后训练概率潜在语义分析模型，从而对测试视频分类。本发明能准确识别人体运动，而且对环境场景运动、人体形态变化有一定的鲁棒性，可用于行人视频监控。

摘要： 本发明涉及一种计算机模式识别技术领域的分类和定位方法，尤其涉及一种基于概率潜在语义分析模型的动态纹理识别和定位方法，包括如下步骤：S1：利用混沌理论对视频中的像素时间序列计算，以提取多个特征，并将所述多个特征组成混沌特征向量，将混沌特征向量组成混沌特征向量矩阵；S2：利用K-均值算法对步骤S1中的混沌特征向量矩阵进行计算以得到直方图；通过期望最大值化算法对直方图进行学习，以建立概率潜在语义分析模型；利用概率潜在语义分析模型能够对局部特征准确建模的特点，实现动态纹理识别；S3：利用步骤S2中所得到的概率潜在语义分析模型中的主题特点，实现动态纹理定位。

摘要： 本发明提供了一种基于半监督概率潜在语义分析的软件变更日志分类方法，该方法结合了先验知识所确定的单词字典，并根据单词与单词之间的概率相关性、单词与变更日志类别之间的概率相关性、以及软件变更日志自身与变更日志类别之间的概率相关性，客观地对软件变更日志进行分类，避免了依据词频特性的权重值进行软件变更日志的分类，使得分类的准确性得以提升，有效地解决了现有技术中因人为设定权重值导致软件变更日志分类存在误差、准确性较低的问题。

摘要： 本发明公开了概率潜在语义分析技术领域中的一种多模态数据的融合概率潜在语义分析方法。本发明从多模态数据本质出发，通过交叉结构的引入，将仅用于单模态的标准概率潜在语义分析模型扩展至多模态，主要对每个模态对潜在语义空间贡献的差异性和它们之间内容的关联性进行建模，从而为多模态数据提供更为准确的分析和描述。本发明通过全局的参数更新来实现更为精确的参数估计；为各模态选定合适的主题数取值范围提供了依据，减少了人工选取的工作量。

摘要： 一种基于概率潜在语义分析模型的Web服务发现方法利用了概率潜在语义分析模型对解析后的Web服务描述性文档进行建模分析，挖掘隐藏在服务描述背后的语义概念，进行语义聚类，在较先进的概念层次将请求服务和服务集中的服务进行相似性匹配，并且结合了语法层次上的谱聚类，在语义聚类之前以一种基于谱聚类的算法对服务数据集进行无关数据的滤除，从而压缩了计算的复杂性。经过试验证明，此方法在服务发现的查准率和查全率方面都有着很好的表现。