中國(guó)科學(xué)院大學(xué)現(xiàn)代信息檢索課后習(xí)題答案-資料下載頁
2025-06-24 02:50本頁面
【正文】 doc 3 224。doc1 【按道理，tf為零的不應(yīng)該出現(xiàn)在倒排記錄中，有的也算對(duì)】insurance224。doc3224。doc2224。doc1 best 224。doc3224。doc1224。doc2第八章 信息檢索的評(píng)價(jià)習(xí)題 88 [*] 考慮一個(gè)有4篇相關(guān)文檔的信息需求，考察兩個(gè)系統(tǒng)的前10個(gè)檢索結(jié)果（左邊的結(jié)果排名靠前），相關(guān)性判定的情況如下所示：系統(tǒng)1 R N R N N N N N R R系統(tǒng)2 N R N N R R R N N Na. 計(jì)算兩個(gè)系統(tǒng)的MAP值并比較大小。b. 上述結(jié)果直觀上看有意義嗎？能否從中得出啟發(fā)如何才能獲得高的MAP得分？c. 計(jì)算兩個(gè)系統(tǒng)的R正確性值，并與a中按照MAP進(jìn)行排序的結(jié)果進(jìn)行對(duì)比。解答：a. 系統(tǒng)1 (1+2/3+3/9+4/10)/4= 系統(tǒng)2 (1/2+2/5+3/6+4/7)/4= b. 相關(guān)文檔出現(xiàn)得越靠前越好，最好前面35篇之內(nèi)c. 系統(tǒng)1的RPrecision= , 系統(tǒng)2 RPrecision= 習(xí)題 89 [**] 在10 000篇文檔構(gòu)成的文檔集中，某個(gè)查詢的相關(guān)文檔總數(shù)為8，下面給出了某系統(tǒng)針對(duì)該查詢的前20個(gè)有序結(jié)果的相關(guān)（用R表示）和不相關(guān)（用N表示）情況，其中有6篇相關(guān)文檔：R R N N N N N N R N R N N N R N N N N Ra. 前20篇文檔的正確率是多少？P@20=6/20=30%b. 前20篇文檔的F1值是多少?R@20=6/8=75%，F(xiàn)1=3/7=150c. 在25%召回率水平上的插值正確率是多少？1d. 在33%召回率水平上的插值正確率是多少？3/9=%e. 假定該系統(tǒng)所有返回的結(jié)果數(shù)目就是20，請(qǐng)計(jì)算其MAP值。(1+1+3/9+4/11+5/15+6/20)/8=假定該系統(tǒng)返回了所有的10 000篇文檔，上述20篇文檔只是結(jié)果中最靠前的20篇文檔，那么f. 該系統(tǒng)可能的最大MAP是多少？從第21位開始，接連兩篇相關(guān)文檔，此時(shí)可以獲得最大的MAP，此時(shí)有：(1+1+3/9+4/11+5/15+6/20+7/21+8/22)/8=g. 該系統(tǒng)可能的最小MAP是多少？(1+1+3/9+4/11+5/15+6/20+7/9999+8/10000)/8=h. 在一系列實(shí)驗(yàn)中，只有最靠前的20篇文檔通過人工來判定，(e)的結(jié)果用于近似從(f)到(g)的MAP取值范圍。對(duì)于上例來說，通過(e)而不是(f)和(g)來計(jì)算MAP所造成的誤差有多大（采用絕對(duì)值來計(jì)算）？ |(+)/2|=第九章 相關(guān)反饋及查詢擴(kuò)展習(xí)題93：用戶查看了兩篇文檔d1 和 d2，并對(duì)這兩篇文檔進(jìn)行了判斷：包含內(nèi)容CDs cheap software cheap CDs的文檔d1為相關(guān)文檔，而內(nèi)容為cheap thrills DVDs 的文檔d2為不相關(guān)文檔。假設(shè)直接使用詞項(xiàng)的頻率作為權(quán)重 （不進(jìn)行歸一化也不加上文檔頻率因子），也不對(duì)向量進(jìn)行長(zhǎng)度歸一化。采用公式（93）進(jìn)行Rocchio相關(guān)反饋，請(qǐng)問修改后的查詢向量是多少？其中α = 1，β = ，γ = 。解答： 習(xí)題94： Omar實(shí)現(xiàn)了一個(gè)帶相關(guān)反饋的Web搜索系統(tǒng)，并且為了提高效率，系統(tǒng)只基于返回網(wǎng)頁的標(biāo)題文本進(jìn)行相關(guān)反饋。用戶對(duì)結(jié)果進(jìn)行判定，假定第一個(gè)用戶Jinxing的查詢是banana slug 返回的前三個(gè)網(wǎng)頁的標(biāo)題分別是：banana slug Ariolimax columbianus Santa Cruz mountains banana slug Santa Cruz Campus Mascot Jinxing認(rèn)為前兩篇文檔相關(guān)，而第3篇文檔不相關(guān)。假定Omar的搜索引擎只基于詞項(xiàng)頻率（不包括長(zhǎng)度歸一化因子和IDF因子）進(jìn)行權(quán)重計(jì)算，并且假定使用Rocchio算法對(duì)原始查詢進(jìn)行修改，其中α = β = γ = 1。請(qǐng)給出最終的查詢向量（按照字母順序依次列出每個(gè)詞項(xiàng)所對(duì)應(yīng)的分量）。 解答：第十章 XML檢索(無作業(yè))第十一章 概率檢索模型習(xí)題111 根據(jù)公式（1118）和公式（1119）推導(dǎo)出公式（1120）。 解答：代入求解即可。習(xí)題113 令Xt表示詞項(xiàng)t在文檔中出現(xiàn)與否的隨機(jī)變量。假定文檔集中有|R|篇相關(guān)文檔，其中有s篇文檔包含詞項(xiàng)t，即在這s篇文檔中Xt=1。假定所觀察到的數(shù)據(jù)就是這些Xt在文檔中的分布情況。請(qǐng)證明采用MLE估計(jì)方法對(duì)參數(shù)進(jìn)行估計(jì)的結(jié)果，即使得觀察數(shù)據(jù)概率最大化的參數(shù)值為 pt = s/ |R|。 第十二章 基于語言建模的信息檢索模型習(xí)題123 習(xí)題123 例122中按照M1 和 M2 算出的文檔的似然比是多少？ 解答：由于P(s|M1) = 000 000 000 48 ，P(s|M2) = 000 000 000 000 384，所以兩者的似然比是 習(xí)題126 [*] 考慮從如下訓(xùn)練文本中構(gòu)造LM： the martian has landed on the latin pop sensation ricky martin 請(qǐng)問：a. 在采用MLE估計(jì)的一元概率模型中，P(the)和P(martian)分別是多少？b. 在采用MLE估計(jì)的二元概率模型中，P(sensation|pop)和 P(pop|the)的概率是多少？ 解答： a. P(the)=2/11, P(martian)=1/11b. P(sensation|pop)=1, P(pop|the)=0 習(xí)題 127 [**] 假定某文檔集由如下4篇文檔組成：文檔ID 文檔文本 1 2 3 4 click go the shears boys click click click click click metal here metal shears click here 為該文檔集建立一個(gè)查詢似然模型。假定采用文檔語言模型和文檔集語言模型的混合模型。采用MLE來估計(jì)兩個(gè)一元模型。 計(jì)算在查詢click、shears以及click shears下每篇文檔模型對(duì)應(yīng)的概率，并利用這些概率來對(duì)返回的文檔排序。將這些概率填在下表中。解答： 文檔及文檔集MLE估計(jì) querydoc1 doc2 doc3 doc4 collection click 1/2 1 0 1/4 7/16 shears 1/8 0 0 1/4 2/16 于是，加權(quán)以后的估計(jì)結(jié)果 doc4 doc1doc2doc3第十三章 文本分類及樸素貝葉斯方法習(xí)題 132 [*] 表135中的文檔中，對(duì)于如下的兩種模型表示，哪些文檔具有相同的模型表示？哪些文檔具有不同的模型表示？對(duì)于不同的表示進(jìn)行描述。(i) 貝努利模型，(ii) 多項(xiàng)式模型。 第十四章 基于向量空間模型的文本分類第十五章 支持向量機(jī)及文檔機(jī)器學(xué)習(xí)方法第十六章 扁平聚類第十七章 層次聚類第十八章 矩陣分解及隱性語義索引第十九章 Web搜索基礎(chǔ)第二十章 Web采集及索引第二十一章 鏈接分
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1