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 D 来说,表示该文档属于相关文档的概率, 则 P(NR|D)>(NR|D) P ( N R | D ) > ( N R | 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)<=>P(D|R)P(R)P(D)>P(D|NR)P(NR)P(D)<=>P(D|R)P(D|NR)>P(NR)P(R)
P
(
R
|
D
)
>
P
(
N
R
|
D
)
<=>
P
(
D
|
R
)
P
(
R
)
P
(
D
)
>
P
(
D
|
N
R
)
P
(
N
R
)
P
(
D
)
<=>
P
(
D
|
R
)
P
(
D
|
N
R
)
>
P
(
N
R
)
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 P(D|R)P(D|NR) P ( D | R ) P ( D | N R ) 降序即可。
这样就最终转换为计算 P(D|R) P ( D | R ) 和 P(D|NR) P ( D | N R ) 的值即可。