布尔模型(Boolean Model)

布尔模型(Boolean Model)介绍

最早的IR模型，也是应用最广泛的模型；目前仍然应用于商业系统中；Lucene是基于布尔（Boolean）模型的。

布尔模型描述

• 文档D表示：一个文档被表示为关键词的集合
• 查询式Q表示:查询式(Queries)被表示为关键词的布尔组合，用“与、或、非”连接起来，并用括弧指示优先次序
• 匹配F:一个文档当且仅当它能够满足布尔查询式时，才将其检索出来
• 
  检索策略基于二值判定标准
• 算法R:根据匹配框架F判定相关, 计算相关度排名，这里不涉及doc得分和tfidf，只是boolean关系。
  查询表示
  在布尔模型中，所有索引项的权值变量和文档d与查询q的相关度都是二值的，查询q被表述成一个常规的布尔表达式，为方便计算查询q和文档d的相关度，一般将查询q的布尔表达式转换成析取范式DNF。也就是QueryParser解析后，看到的BooleanQuery。

示例

文档集包含两个文档：
文档1：a b c f g h
文档2：a f b x y z
用户查询：文档中出现a或者b，但一定要出现z。
将查询表示为布尔表达式 ,并转换成析取范式
文档1和文档2的三元组对应值分别为(1,1,0)和(1,1,1)
经过匹配 ,将文档2返回

优点

到目前为止，布尔模型是最常用的检索模型，因为：

• 由于查询简单，因此容易理解 通过使用复杂的布尔表达式，可以很方便地控制查询结果 相当有效的实现方法
• 相当于识别包含了一个某个特定term的文档 经过某种训练的用户可以容易地写出布尔查询式
• 布尔模型可以通过扩展来包含排序的功能，即“扩展的布尔模型”

问题

• 布尔模型被认为是功能最弱的方式，其主要问题在于不支持部分匹配，而完全匹配会导致太多或者太少的结果文档被返回
  非常刚性: “与”意味着全部; “或”意味着任何一个
  很难控制被检索的文档数量,原则上讲，所有被匹配的文档都将被返回很难对输出进行排序.
• 不考虑索引词的权重，所有文档都以相同的方式和查询相匹配
• 这个过程是“data retrieval” 而不是 “information retrieval”。

总结

如果不需要排序，就适合boolean Model，该模型就是布尔运算的结果，不涉及复杂的排序。最多按命中boolean条件的个数粗略排序。简单理解, 可以认为是命中模型。 而涉及排序的则是VSM或者BM25等方法，以及二次排序。

参考

https://en.wikipedia.org/wiki/Standard_Boolean_model