You have a document-term matrix from 100,000 documents. Which methods can reduce the dimensionality of this data? (1) Latent Dirichlet Allocation; (2) Latent Semantic Indexing; (3) Keyword Normalization

Đáp án đúng: "1, 2, 3". Cả ba phương pháp đều làm giảm số chiều của ma trận tài liệu–thuật ngữ, vốn có một cột cho mỗi từ trong từ vựng. (1) Latent Dirichlet Allocation biểu diễn mỗi tài liệu bằng phân phối trên K chủ đề, nên mỗi tài liệu chỉ còn K chiều thay vì hàng chục nghìn chiều từ vựng. (2) Latent Semantic Indexing (còn gọi là LSA) phân tích ma trận bằng SVD rồi giữ k giá trị kỳ dị lớn nhất, chiếu tài liệu xuống không gian ngữ nghĩa k chiều. (3) Keyword normalization chuẩn hoá các biến thể của từ khoá (viết hoa, số nhiều, chia thì) về một dạng, làm số cột giảm trực tiếp. "only 1" bỏ sót LSI và chuẩn hoá từ khoá. "2, 3" bỏ sót LDA, vốn là phương pháp nén theo chủ đề. "1, 3" bỏ sót LSI, phương pháp giảm chiều kinh điển nhất bằng SVD.