文档查询匹配的方法:布尔模型,向量空间模型

文档查询匹配的方法:布尔模型,向量空间模型

文档表示：词袋方法Bag-of-Words Approach
• 在 IR 中表示文档（和查询）的传统方法：
记录出现的单词（术语; 通常，加上每个文档中的术语计数
• 忽略单词之间的关系,即秩序，接近等。
例如 rabbit eating = eating rabbit
这种被称为词袋的表示方法
参考文献 数学结构“bag”（又名“multiset”）— 像一个集合（即无序），但记录每个元素的计数

文档查询匹配的方法
• 布尔检索Boolean retrieval：
查询和文档之间的匹配二元决策：是文档是否与查询相关？
文档中存在搜索词是匹配的必要且充分的
• 排名检索Ranked retrieval：
查询和文档之间的匹配程度问题
考虑的文档术语的频率
并非所有搜索词都必须出现在文档中
化身Incarnations：
• 向量空间模型（SMART，Salton 等人，1971）
• 概率模型（OKAPI，Robertson/Sp¨arck Jones，1976）
• 网络搜索引擎

布尔模型
• 方法：构建复杂的搜索命令，通过结合基本搜索词（关键字,使用布尔运算符
• 注意：这不是方法被称为布尔值的原因
• 布尔运算符：
AND、OR、NOT、BUT、XOR（异或）
• 布尔查询提供了一个简单的逻辑基础来决定是否有任何应根据以下