上次介紹了信息檢索技術——布爾檢索，布爾模型已經可以解決一個很重要的問題，就是找到和用戶需求相關的文檔(其中還需要很多處理，比如分詞，歸一化，去掉停用詞等等，我們只是介紹主要的框架流程)。但是這樣找到的文檔會有很多，也許上千個，也許上萬個，這遠遠不是用戶所要的。用戶也不會去從幾萬個文檔中挑選 ...

這篇就說一個信息檢索里面理解最簡單的一個東西吧，它就叫做倒排表或者倒排索引。但是這只是個名字，我想大家都知道它是什么就行了，不必糾結於名稱。先說說倒排表張什么樣子吧! 倒排表以詞做索引，內容為包含該詞的文檔編號。對於上圖可知，文檔1、3、5、7、9包含詞"Cat"，文檔2、5、8、10包含詞 ...

這篇就簡單介紹一下搜索引擎的評價方法。從用戶的角度去評價一個搜索引擎的檢索效果最好的方法就是計算用戶在查到自己滿意文檔時已經瀏覽的文檔數。但是實際中，查詢千變萬化，文檔也千變萬化，所以這種方法不可行。人們便提出了下面的概念，並建立了一個評價標准。 這里面有三個常用的概念：正確率，精確率，召回率 ...

先貼代碼，原理有時間補上。 代碼中兩種方式實現了ndcg的計算，調用的時候需要注意一下。 ...

使用 TF-IDF 加權的空間向量模型實現句子相似度計算 字符匹配層次計算句子相似度 計算兩個句子相似度的算法有很多種，但是對於從未了解過這方面算法的人來說，可能最容易想到的就是使用字符串匹配相關的算法，來檢查兩個句子所對應的字符串的字符相似程度。比如單純的進行子串匹配，搜索 A 串中能與 ...

文本信息檢索——布爾模型和TF-IDF模型 1. 布爾模型 ​ 如要檢索“布爾檢索”或“概率檢索”但不包括“向量檢索”方面的文檔，其相應的查詢表達式為：Q=檢索 and (布爾or 概率 not向量)，那么Q可以在其相應的（檢索,布爾,概率,向量）標引詞向量上取（1,1,0,0 ...

方案主要分為：信息論安全PIR、計算安全PIR、基於硬件的PIR。 基於隱私信息檢索（P ...

文本檢索 textual retrieval 的神經排序模型），主要分析它們的基本假設（underlyi ...