先贴代码，原理有时间补上。 代码中两种方式实现了ndcg的计算，调用的时候需要注意一下。 ...

python机器学习-乳腺癌细胞挖掘（博主亲自录制视频）https://study.163.com/course/introduction.htm?courseId=1005269003 ...

总览 搜索引擎的六个核心组件：爬虫、解析、索引、链接关系分析、查询处理、排名 信息检索中的代表性排序模型： 1）传统的排序模型：两类 1. 相关性排序模型： a) Boolean model: 基于查询term在文档里出现的情况，但不能预测相关性 ...

测试数据集 一个文档集 一组用于测试的信息需求集合,信息需求可以表示为查询 一组相关性判定结果，对应每个查询-文档，通常会赋予一个二值判定结果: 相关/不相关 经验发现一般测试的查询数应>=50。 无序检索结果的评价 准确率和召回率 对于一个查询，根据其返回 ...

前一阵子和大家分享了一系列排序算法，希望对大家能够有一些帮助。从今天开始，本人打算开展一个新的领域，介绍一下信息检索相关的技术。信息检索技术可以说现如今发展非常迅速，使用也极其广泛，甚至可以说是随处可见。特别是做一些跟搜索引擎，机器学习相关工作时，信息检索的知识无处不在。为了让大家更好的理解 ...

信息检索评价是对信息检索系统性能（主要满足用户信息需求的能力）进行评估的活动。通过评估可以评价不同技术的优劣，不同因素对系统的影响，从而促进本领域研究水平的不断提高。信息检索系统的目标是较少消耗情况下尽快、全面返回准确的结果。 IR的评价指标，通常分为三个方面：（1）效率(Efficiency ...

词项词典及倒排记录表 回顾倒排索引的构建 收集待建索引的原文档(Document) 将原文档传给词条化工具(Tokenizer)进行文本词条化 将第二步得到的词条(Token)传给语言分析工具(Linguistic modules)进行语言学预处理，得到词项(Term ...

词典及容错式检索 如上图，倒排索引记录表构建好后。对于查询请求“solr”，我们的首要任务是确定查询词项solr是否在词典的词项词汇表中，如果在，则返回该词项对应的倒排记录表的指针。如何在数据结构（即词典）中快速定位词项？ 词典(即存储词项词汇表的数据结构) 快速定位词项主要有两大类 ...