Learning to Rank之Ranking SVM 简介
排序一直是信息检索的核心问题之一，Learning to Rank(简称LTR)用机器学习的思想来解决排序问题(关于Learning to Rank的简介请见我的博文Learning to Rank简介)。LTR有三种主要的方法：PointWise，PairWise，ListWise ...
花费 42 ms
Learning to Rank 简介
去年实习时，因为项目需要，接触了一下Learning to Rank(以下简称L2R)，感觉很有意思，也有很大的应用价值。L2R将机器学习的技术很好的应用到了排序中，并提出了一些新的理论和算法，不 ...
[LTR] 信息检索评价指标（RP/MAP/DCG/NDCG/RR/ERR）
一、RP R（recall）表示召回率、查全率，指查询返回结果中相关文档占所有相关文档的比例；P（precision）表示准确率、精度，指查询返回结果中相关文档占所有查询结果文档的比例； ...
Latent Semantic Analysis(LSA/ LSI)算法简介
本文地址为：http://www.cnblogs.com/kemaswill/，作者联系方式为kemaswill@163.com,转载请注明出处。 1. 传统向量空间模型的缺陷 向量空间模型是信息检索中最常用的检索方法，其检索过程是，将文档集D中的所有文档和查询都表示成以单词为特征 ...
使用haystack实现django全文检索搜索引擎功能
前言 django是python语言的一个web框架，功能强大。配合一些插件可为web网站很方便地添加搜索功能。 搜索引擎使用whoosh，是一个纯python实现的全文搜索引擎，小巧简单。 中 ...
Learning to Rank之RankNet算法简介
排序一直是信息检索的核心问题之一, Learning to Rank(简称LTR)用机器学习的思想来解决排序问题(关于Learning to Rank的简介请见我的博文Learning to Rank简介)。LTR有三种主要的方法：PointWise，PairWise，ListWise. ...
信息检索技术——向量空间模型
上次介绍了信息检索技术——布尔检索，布尔模型已经可以解决一个很重要的问题，就是找到和用户需求相关的文档(其中还需要很多处理，比如分词，归一化，去掉停用词等等，我们只是介绍主要的框架流程)。但是这样找到的文档会有很多，也许上千个，也许上万个，这远远不是用户所要的。用户也不会去从几万个文档中挑选 ...
关于针对本校教务系统漏洞的一次信息检索
因为很久以前看了一篇别人对教务系统进行信息检索的实例，我也想查看一下我们校区的教务系统到底有多安全。但是在实际写脚本时候，却遇到了很多问题，本篇博客也将是一篇技术总结。 一、前期准备 思路是一个一个学号的去试是否使用了默认密码，我了解到16级的教务系统默认密码是随机码，18级的教务系统默认 ...
IR的评价指标-MAP,NDCG和MRR
IR的评价指标-MAP,NDCG和MRR MAP(Mean Average Precision)： 单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合 ...
搜索引擎：该如何设计你的倒排索引？
搜索引擎如何工作？ 信息检索已经发展的非常成熟了，应该所有人都不陌生。我有幸这几年接触过并且实际做过一些搜索引擎开发的工作，特此总结并分享给大家。实际上，一个成熟的搜索引擎是想当复杂的，比如百度的，就分nginx，vui，us，as，bs，da.....等等这些模块，当然这些简写的字母 ...