《从Lucene到Elasticsearch：全文检索实战》学习笔记四

今天我给大家讲讲布尔检索模型基本概念

布尔检索模型：

       检索模型是判断文档内容与用户相关性的核心技术，以大规模网页搜索为例，在海量网页中与用户查询关键词相关的网页可能会有成千上万个，甚至耕读哦。那么信息检索系统是如何判断网页和查询关键词是相关的？内部的排序模型是怎样的？

      布尔检索模型中主要有AND、OR、NOT三种逻辑运算，布尔逻辑运算符的作用是把检索词连接起来，构成一个逻辑检索式。

      AND:逻辑与，用来表示其所连接的两个检索项的交叉部分，即检索词的交集部分

      OR：逻辑或，用于连接并列关系的检索词。
      NOT：逻辑非，排除不需要的和影响检索结果的概念

      运算符之间的优先级：NOT>AND>OR，如检索表达式：中国 NOT 日本 AND 歌曲 OR 小说

      利用小括号”（）“可以设置个性化的检索方程，例如检索出不包含日本在内的有关教育或法律方面的大学：

     （university OR college）AND (education OR Law) NOT Japan

       如下图为单词-文档矩阵（单词-文档矩阵是表达两者之间所具有的一种包含关系的概念模型）我需要查询包含“谷歌” “开源”但不包含“大会”的文档，构造布尔查询：

                               

单词文档矩阵

	doc1	doc2	doc3	doc4
谷歌	0	1	0	1
开源	0	1	0	1
大会	1	0	0	0

       谷歌 AND 开源 NOT 大会

       分别取出“谷歌” “开源” 以及“大会”对应的行向量，对“大会”对应的行向量去反算：

        谷歌 ：0      1     0     1

        开源：0      1      0      1

        大会：1      0     0      1  （取反：0    1   1   1）

         0101 AND 0101 AND 0111 =0101

  

 

       布尔检索模型优点如下:

           1.符合人们的思维方式，通过AND OR NOT轻松可以表达

           2.实现方式很容易实现

      布尔检索模型的缺点：

           1.它的值只有0，1，缺乏文档分级不能进行进行排序

            2.精确匹配返回的结果集较少，容易漏掉部分信息