信息检索导论-王斌-第二次课后作业(6-12)

1、1、习题6-10tf-idf = tf * idfcar的tf-idf值在三篇文档中分别为：doc1:27*1.65= 44.55 ; doc2:4*1.65= 6.6; doc： 24*1.65= 39.6 ;auto的tf-idf值在三篇文档中分别为：doc1:3*2.08= 6.24 ; doc2:33*2.08= 68.64 ; doc : 0*2.08= 0;insurance 的tf-idf 值在三篇文档中分别为：doc1:0*1.62= 0; doc2:33*1.62= 53.46 ; doc : 29*1.62= 46.98 ;best的tf-idf值在三篇文档中分别为：doc

2、1:14*1.5= 21.0 ; doc2:0*1.5= 0; doc : 17*1.5= 25.5 ;2、习题6-191/1.922 = 0.521301/1.922 = 0.677词查询文档qi*d itfwfdfidfq i=wf-idftfwfd i=归一化的wfdigital111000033110.521.56video0010000020110.520cameras11500002.3012.30121.3010.6771.558所用公式：wf = 1+ ?裨?w 0i0?idf?log ?归一化： x2 + 12 + 1.301 2 = 1.922-可编辑修改-最后的相似度结果

3、为：1.56+1.558=3.1183、习题7-2胜者表是提出的一种更快获取得分较高文档的一种方法，基本思路是考虑r篇白tf tf值。但在实际应用中，还应考虑到文档长度以及用户对搜索结果的关注程度等因素，并希望只关注那些不仅相关度高并且权威度也大的文档。如果只根据tf值来选取最后的结果文档，很可能导致的情况是，搜索结果和查询虽然相关，但会有文档长度过长且不是用户想得到的结果的问题。因此在考虑到全局的情况下，引入了 g(d)和tf-idf来对胜者表进一步扩展和精确。这样高分文档更可能在倒排索引的前期出现。4、习题7-8-可编辑修改-5、习题8-8m 心诙l mizmn nnner 鸭相小而；nr

4、/jnr rrnmn 吵。4. ma匕=(t+ 4+ 尹告)忤 0。方十用十对/* n邨m牙修尸ob.系统1的返回结果中相关文档比较集中，靠前两个，靠后两个。系统 2的返回结果中相 关文档比较分散。系统 1比系统2获得较高的map值。排名靠前的相关文档对 map值影响较大，相关文档位置越靠前，系统能获得越高的map值。c. ri=2/4=0.5r2=1/4=0.25按照r正确性值来看，与 map的排序结果一致。6、习题9-34-3 以;l 股限。居0山，四-3）： %：江+日看 自彼赊始有响丸” 3_加%胫根%!lq.。）十仅15k（w0.5 lq）0。球hr也。i）二（3珏50.波2山5.卜

5、0。兄.075小沙）二（卷 五二血l （?, 7510 _.斜阳曲&阙变网 遍玳牛，祝由百7、习题9-7矩阵c里的元素表示该词项是否在这些文档中同时出现，1表示同时出现，0表示没有同时出现。-可编辑修改-8、习题11-3(l-j mlj和型仕甘物ld蕈大返峡,gl撤既心) 烝卡力3)噌征林产务三九犀小利g -他心加-闺但会嘴也4l复扁f 帕-)叼产i s7r辟一者卜多抵二帚9、习题12-6d=(, , ,landed, 1, , , ,sensation, 1, ,martin, 1)a. p(the) = 2/11 = 0.182, p(martian) = 1/11 = 0.091b. p

6、(sensation|pop) = 1, p(pop|the) = 010、习题 12-7该文档集的查询似然模型为:clickgotheshearsboysmetalhere模型11/21/81/81/81/800模型21000000模型3000001/21/2模型41/4001/401/41/4文档集模型7/161/161/162/161/162/162/16每篇文档模型对应的概率：p(d|q) 8p(d) n?r?(1 - ? + ?(?)-可编辑修改-querydoc1doc2doc3doc4click15/3223/327/3211/32shears2/161/161/163/16click shears15/25623/5127/51233/512p(click|doc1)=1/2*1/2+7/16*1/2=15/32,p(click|doc2)=1*1/2+7/16*1/2=23/32p(shears|doc1)=1/8*1/2+2/16*1/2=2/16,p(click shears|doc1)=15/32*2/16=15/256对于查询click shear