Bene, vedo che non demordi.. quindi proseguiamo il nostro viaggio nella SEOMantica, in particolare oggi vedremo il modello matematico della PLSA (Probabilistic Latente Semantic Analysis = Analisi probabilistica della semantica con variabili latenti).

PLSA (Probabilistic Latent Semantic Analysis). Ecco cos’è! (Slide 42-45)

Prima di passare a schemi matematici e formule, vediamo in sintesi di cosa si tratta in 3 punti/informazioni che reputo importanti:

• Tecnica statistica utilizzata per l’analisi di due metodologie e co-occorrenze di dati, quindi mette a confronto più dati di input
• E’ un miglioramento della LSA apportando un calcolo probabilistico ai risultati. Infatti è basata su una decomposizione miscelata da un modello di classe latente (come la LSA che ha puramente calcoli basati su variabili non osservabili), questo permette appunto un approccio più probabilistico e quindi più saldo statisticamente (perchè “viene ridotto il rumore estremo” derivante dai calcoli sulle variabili nascoste).
• E’ stata introdotta nel 1999 da Jan Puzicha e Thomas Hofmann, quindi gli studi a riguardo sono molto molto recenti, soprattutto legati all’Information Retrieval.

Vediamo la schematizzazione del concetto (tratto da Amit Gruber, 08 agosto 2007 – GoogleTechTalks)

1. Selezionare 1 documento “d” con probabilità → P(d)
2. Scegliere una classe latente “Z” con probabilità → θd(Z) = P(Z|d)
3. Generare una parola “W” con probabilità → Φz(W) = P(W|Z)

LEGENDA

D   →   numero dei documenti

Nd →   numero delle parole nel documento (d)

K    →   numero di argomenti latenti

θd  →   distribuzione di argomenti nel documento “d”

Z    →   argomento latente (topic)

W  →   parola osservata

Φk →   distribuzione delle parole generate dall’argomento latente “Z”

LIMITAZIONI e SVANTAGGI dell’analisi PLSA

Elevata generazione di “RUMORE CASUALE” (detto anche Overfitting)!

Occorre quindi, affinare i risultati per poterli applicare allo scopo di identificazione del significato della frase e della relativa parola chiave lo riassume…

Qui le slide:

Un abbraccio,
Michele