ir-lab胡曉光-資料下載頁
2024-09-27 23:57本頁面
【導讀】檢索模型是一個四元組[D,Q,F,R]. 把索引中的每個詞作為空間的一個維度。把每一個查詢也作為空間中的一個向量。通過計算文檔和查詢的內積或余弦等來表。根據(jù)詞項在文檔和文檔集中的頻率。其中tfi,j可以先歸一化處理。TermQuery為Lucene支持的最簡單的查詢方式。其中的idf和boost值與文檔無關不影響排名。fieldboost人為賦予的經驗值默認值都為。此時lucene按照單位長度的文檔包含的關鍵詞個數(shù)。BooleanQuery是一種復合式的Query支持多。＋俄羅斯恐怖事件－美國。可以對不同的query賦予不同的boost值表示。整理可得計算公式如下。Lucene支持的邏輯操作例子。對于強制符號+和－會首先對匹配結果進行。有三篇文本內容如下。按照缺省方式建索引fieldboost=. 首先可算得fieldnorm分別為，，注意norm在實現(xiàn)時只用了1個字節(jié)表示故誤差較大。輸入多個關鍵詞studentchina
【正文】 Lee is a es from China. ? 按照缺省方式建索引 fieldboost = ? 根據(jù)公式 fieldnorm = fieldboost / sqrt(fieldlength) ? 首先可算得 fieldnorm分別為 ， ， ? 注意 norm在實現(xiàn)時只用了 1個字節(jié)表示 故誤差較大 信息檢索實驗室 Lucene檢索實例 ? 現(xiàn)在輸入查詢 student 計算每篇文檔分值 ? score = sqrt(freq) * idf * boost * norm ? idf = ln(maxDoc/(docFreq + 1) )+ ? 可得計算結果如下 文檔 docFreq idf freq norm score aaa 3 2 bbb 3 1 ccc 3 1 信息檢索實驗室 Lucene檢索實例 ? 輸入多個關鍵詞 student china ? scorej = coordj*∑i(boost i*idf i*tfi,j*idfi*fieldnorm) / sqrt(∑i (idf i *idf i *boost i *boost i)) ? 可得計算結果如下 文檔 queryNorm student china coord score aaa bbb ccc 信息檢索實驗室 Any Question?
教學課件相關推薦
鄂ICP備17016276號-1