前言:
信息检索的class 1跟class 2 写在了博客园上,就不迁移到这里了。想看的话,可以查看链接课程1和课程2。
- 什么是soundex 算法
就是查找出所有的形式上相同的词(或者说发音相似的词),比如切比雪夫可以是chebyshev, 也可以是tchebysheff。经典算法:根据一个人为制定的规则,转换成数字。有的发音相同的单词可以转换成相同的数字,由此可以匹配。大多数数据库支持Sounde算法,(例如oracle,microsoft)但是在IR中不常用,因为返回结果太多了。
- IR系统中的拼写检查
spelling correction 有两个用途, 其一是更正索引的文档,其二是更正用户的查询到正确的回答。拼写错误有两个种类:其一是单独的单词拼错,例如 from -> form ; 其二是有上下文语境,例如 I flew form Shanghai to Beijing. (就像google提示:你是搜索…吗?)
- 什么是edit distance