跨语言查询扩展优化

为提高跨语言查询扩展检索精度,在原有跨语言查询扩展基础上,引入降低噪声和孤立点的k-medoid聚类算法,提出避免语义信息丢失或过拟合的择优模型。构建若干个不同维度值的d维模型,结合奇异值分解和非负矩阵分解法计算文本之间的相似度,选取相似度最大的模型建立双语空间,经过跨语言扩展与权值调整,实现查询扩展优化。实验对比结果表明,该方案有效提高了检索精度,为跨语言查询提供了可参考的模型与算法。