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 ...

在全文检索中，分词处理对性能的影响很大，包括索引大小、检索速度、准确度等方面。 一个好的分词处理应该具备哪些特性呢？ 1）速度、准确度 2）自定义词典 3）对英文、数字符号、日期、繁简转换等的优化 中文分词算法大概分为两大类 1、字符串匹配（基于词典） 　　这一算法其实就是使用 ...

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 ...