3 2信息检索的模型.pptVIP

下载本文档

1
0
约小于1千字
约 19页
2017-06-10 发布于上海
举报
版权申诉

3 2信息检索的模型.ppt

1、本文档共19页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

32信息检索的模型整理

这个模型叫：VSM 向量空间模型 salton发明的 Vector Space Model Lucene 一个实现了VSM的开源软件工具包 Java语言 .net 版本搭建【文档、网页、资料】信息检索系统。信息检索的模型方法 * * 一篇文档document 简称 d 包含好词term 简称 t 文档d与词汇t * 文档和词汇的对应关系一篇文档d包含多个词汇t 一个词汇t出现在多个文档d里。 * * * * 四个文档向量Vector：向量。 D1（2,2,0,3,0,0,0） D2（0,4,6,8,0,0,0） D3（0,0,0,1,2,3,0） D4（0,0,0,0,0,0,2） * 在文档d中，词汇t的分量 D1（2,2,0,3,0,0,0）？一个词对一篇文档来说，它的重要程度如何评判？ * 词t在文档d的重要性类比：一篮子水果。词t：水果文档d：篮子词对文档的重要性某类水果对篮子的重要性 * ① 5个草莓 ②1个草莓单价：1元草莓对这个篮子的重要性为： 5x1=5 只考虑个数合适吗？草莓的价值怎么评判？ * 词t在d中出现的次数：水果的个数词的单价：水果的单价词频：term frequency ? tf 词的单价怎么计算？物以稀为贵词越稀有，词价格越高。词蕴含的信息量越大。词t对文档d的重要性？ * 给定信息x，如果它能命中1/2的文档就说X 的信息量为 1 信息量 * 词的单价如何计算？ * W=词频x词的单价 =词频x词的信息量 =词频x 词的权重就可以计算了 * 原始?最终 * Q：(1,2,0) D1 (1,1,0) D2 (3,1,0) D3 (0,3,1) 举例-----如何计算：Q和D的相似度sim() * Sim(D,Q)=cosθ= 1.权重W= * 2. 计算Q与各个D的夹角的余弦值。 3.按余弦值由大到小排序。 * *