概率检索模型之BIM和BM25F模型与TF-IDF模型

1. 概率排序原理

以往的向量空间模型是将query和文档使用向量表示然后计算其内容相似性来进行相关性估计的，而概率检索模型是一种直接对用户需求进行相关性的建模方法，一个query进来，将所有的文档分为两类 – 相关文档、不相关文档，这样就转为了一个相关性的分类问题。

对某个文档$D$来说，$P(R|D)$表示该文档属于相关文档的概率， 则$P(NR|D)>(NR|D)$，则认为这个文档是与用户查询相关的。

现在使用贝叶斯公式将其转一下：

$$P(R|D)>P(NR|D) <=> \frac{P(D|R)P(R)}{P(D)}>\frac{P(D|NR)P(NR)}{P(D)} <=> \frac{P(D|R)}{P(D|NR)}>\frac{P(NR)}{P(R)}{}$$
在搜索过程中不需要真正的分类，只需要保证相关性由高到低排序即可，所以只需要 $\frac{P(D|R)}{P(D|NR)}$降序即可。
这样就最终转换为计算 $P(D|R)$和 $P(D|NR)$的值即可。