實(shí)用信息檢索PPT課件信息檢索的模型_第1頁(yè)
實(shí)用信息檢索PPT課件信息檢索的模型_第2頁(yè)
實(shí)用信息檢索PPT課件信息檢索的模型_第3頁(yè)
實(shí)用信息檢索PPT課件信息檢索的模型_第4頁(yè)
實(shí)用信息檢索PPT課件信息檢索的模型_第5頁(yè)
已閱讀5頁(yè)，還剩14頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、信息檢索的模型方法信息檢索的模型方法12 一篇文檔document 簡(jiǎn)稱 d 包含好詞term 簡(jiǎn)稱 t文檔d與詞匯t3文檔和詞匯的對(duì)應(yīng)關(guān)系 一篇文檔d包含多個(gè)詞匯t 一個(gè)詞匯t出現(xiàn)在多個(gè)文檔d里。4567 四個(gè)文檔向量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）8在文檔d中，詞匯t的分量 d1（2,2,0,3,0,0,0） ？一個(gè)詞對(duì)一篇文檔來(lái)說(shuō)，它的重要程度如何評(píng)判？9詞t在文檔d的重要性 類比： 一籃子水果。 詞t：水果 文檔d：籃子 詞對(duì)文檔的重要性 某類水果對(duì)籃子的

2、 重要性10 5個(gè)草莓 1個(gè)草莓單價(jià)：1元 草莓 對(duì) 這個(gè)籃子 的重要性為： 5x1=5 只考慮個(gè)數(shù)合適嗎？草莓的價(jià)值怎么評(píng)判？11 詞t在d中出現(xiàn)的次數(shù)：水果的個(gè)數(shù) 詞的單價(jià)：水果的單價(jià) 詞頻：term frequency tf 詞的單價(jià)怎么計(jì)算？ 物以稀為貴 詞越稀有，詞價(jià)格越高。 詞蘊(yùn)含的信息量越大。詞t對(duì)文檔d的重要性？12 給定信息x，如果它能命中1/2的文檔 就說(shuō)x 的信息量為 1信息量13詞的單價(jià)如何計(jì)算？14 w=詞頻x詞的單價(jià) =詞頻x詞的信息量 =詞頻x詞的權(quán)重就可以計(jì)算了15原始最終16 q：(1,2,0) d1 (1,1,0) d2 (3,1,0) d3 (0,3,1) 舉例-如何計(jì)算：q和d的相似度sim()17sim(d,q)=cos=1.權(quán)重w=18 2. 計(jì)算q與各個(gè)d的夾角的余弦值。 3.按余弦值由大到小排序。這個(gè)模型叫：vsm 向量空間模型 salton發(fā)明的 vector space model lucene 一個(gè)實(shí)現(xiàn)了vsm的開(kāi)源軟

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論