vectorruimtemodels

Vectorruimtemodellen, ook wel bekend als vectorruimtemodellen voor documenten of vectorruimtemodellen voor informatieherwinning, is een wiskundig model dat gebruikt wordt om tekstuele documenten en zoekopdrachten weer te geven als vectoren in een meerdimensionale ruimte. Dit model helpt bij het analyseren van de semantische relaties tussen documenten en zoektermen door hun positionering in deze ruimte.

In de basis wordt elk document en elke zoekopdracht gezien als een vector, waarbij de dimensies van de ruimte overeenkomen met de termen die in de documentcollectie voorkomen. De waarde in elke dimensie van een documentvector kan gebaseerd zijn op de frequentie van een term in dat document. Zoekopdrachten worden op vergelijkbare wijze omgezet naar vectoren.

Het bepalen van de gelijkenis tussen een zoekopdrachtvector en documentvectoren is cruciaal. Dit gebeurt vaak door het berekenen van de cosinusgelijkenis, wat de hoek tussen de vectoren meet. Een kleinere hoek (cosinusgelijkenis dichter bij 1) duidt op een grotere semantische gelijkenis. Documenten met vectoren die het dichtst bij de zoekopdrachtvector liggen, worden als meest relevant beschouwd.

Vectorruimtemodellen vormen de basis voor veel zoekmachines en informatieherwinningssystemen. Ze maken efficiënte en relevante resultaten mogelijk door de inhoud van documenten kwantitatief te vertegenwoordigen en te vergelijken. Varianten van dit model, zoals Latent Semantic Analysis (LSA) en Latent Dirichlet Allocation (LDA), proberen de dimensionaliteit te reduceren en verborgen semantische relaties te ontdekken.