lsa（latent semantic analysis）潛在語義分析也可以稱為 lsi（latent semantic index）
該方法和傳統向量空間模型一樣使用向量來表示詞（iterms）和文件（documents），並通過向量間（一般通過余弦相似度來刻畫）的關係來表示詞和文件之間的相似度
三個矩陣有非常清楚的物理含義。第乙個矩陣
u 中的每一行表示意思相關的一類詞（可以將維度理解成特徵數，每個詞在各個特徵中的數值），其中的每個非零元素表示這類詞中每個詞的重要性（或者說相關性），數值越大越相關。最後乙個矩陣
v d
x 上面的敘述可能看起來比較迷，可以看一下乙個具體的例項：
這個圖有點走形，不過應該能看懂，圖中一共有
10篇文章，選擇代表詞
11個，矩陣中的數字代表橫座標中的詞對應的縱座標中的文章**現的詞頻，對這個矩陣進行
svd分解：
這樣看起來理解起來比較容易理解
lsa的優點：
1. lsa
可以在低維空間刻畫同義詞，同義詞會對應著相似或相同的主題；
2. 降維可以去掉部門雜訊，使特徵更魯棒；
3. 充分利用冗餘資料（是指詞頻嗎）
4. 無監督
/完全自動化
5. 與語言無關
6. 能解決一意多詞問題
lsa的缺點：
1. 無法解決一詞多義的問題
2. svd
的優化目標基於
l-2 norm
或者frobenius norm的，這相當於隱含了對資料的高斯分布假設。而
term
出現的次數是非負的，這明顯不符合
gaussian
假設，而更接近
multi-nomial
分布；3.
對於count vectors
而言，歐式距離表達是不合適的（重建時會產生負數）；
4. 特徵向量的方向沒有對應的物理解釋；
5. svd
的計算複雜度很高，而且當有新的文件來到時，若要更新模型需重新訓練；
6. 維數的選擇是
ad-hoc
的；本文的內容大部分抄錄：
Char RNN原理介紹以及文字生成實踐
char rnn，字元級迴圈神經網路，出自於andrej karpathy寫的the unreasonable effectiveness of recurrent neural networks。眾所周知，rnn非常擅長處理序列問題。序列資料前後有很強的關聯性，而rnn通過每個單元權重與偏置的共享...
Android執行緒池的原理以及專案中實踐
首先執行緒這個概念就不多講了，相信大家都比較熟悉，一般在處理耗時任務的時候我們習慣 newthread 來建立乙個子執行緒去處理，但是當任務多的時候不可能每乙個任務都去建立乙個任務，會造成系統頻繁的建立和銷毀，占用大量的資源造成介面的卡頓，甚至可能會出現記憶體異常的問題，所以為了解決這個問題我們需要...
configmap原理和實踐
原理 kubernetes通過configmap來實現對容器中應用的配置管理，configmap api資源儲存配置資料的鍵值對，可以在pods中使用或者可以用於儲存系統元件的配置資料。簡單的說也就是，configmap是kubernetes的一種資源，configmap可用於儲存細粒度資訊如單個屬...