Терм-документна матриця (англ.document-term matrix, term-document matrix) — матриця, що описує частоту появи термінів у колекції документів. В терм-документній матриці рядки відповідають документам з колекції, що аналізується, а стовпці асоційовані з термінами. Існують різноманітні схеми для визначення елементів матриці. Одною з них є схема TF-IDF. Такі матриці використовуються при обробці природної мови, зокрема в методах латентно-семантичного аналізу.
Концепція
При створенні бази даних термінів, що задіяні у множині документів, матриця термінів формується як матриця інцидентності, рядки якої описують документи, а елементи рядків свідчать про наявність термінів в цих документах. Наприклад, якщо є два коротких документи:
D1 = «Мені подобаються дані»
D2 = «Мені не подобаються дані», то відповідна терм-документа матриця буде мати вигляд:
Мені
подобаються
не подобаються
дані
D1
1
1
0
1
D2
1
0
1
1
який показує, що за терміни містяться в тому чи іншому документі, та скільки разів вони зустрічаються. Такий підхід подібний до застосування матриці інцидентності при аналізі речень у корпусі слів одного документу[1].
Історія
В іншому мовному розділі є повніша стаття Document-term matrix(англ.). Ви можете допомогти, розширивши поточну статтю за допомогою перекладу з англійської.
Не перекладайте текст, який видається недостовірним або неякісним. Якщо можливо, перевірте текст за посиланнями, поданими в іншомовній статті.
↑Слюсар, В.И. (2020). Применение торцевого произведения матриц в задачах обработки естественного языка(PDF). Нейромережні технології та їх застосування НМТіЗ-2020: збірник наукових праць XIX Міжнародної наукової конференції «Нейромережні технології та їх застосування НМТіЗ-2020». - Краматорськ: Донбаська державна машинобудівна академія. -2020 . с. 156 - 162.
