摘要：综述 在进行搜索的时候，文档中的同一个词往往有多种表达方法，这种现象叫做同义词。比如用户输入"充电宝"，而文档里有"移动电源"，这时如果搜索系统没有做查询优化的话用户是不能找到相关文档的。由此我们引出查询优化的概念。 查询优化方法大体可以分为两类： 1. 全局方法 ：在不考虑原始查询初始返回文档的情 阅读全文

摘要：测试数据集 1. 一个文档集 2. 一组用于测试的信息需求集合,信息需求可以表示为查询 3. 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，根据其返回结果可以将整个文档集划分 阅读全文

摘要：索引压缩的作用 词典压缩 笔者认为词典压缩算法对中文搜索来说意义不大。之所以要压缩词典，主要是因为Heaps定律指出，随着文档数目的增加，词汇表会持续增长而不会稳定到一个最大值。而中文分词与英文分词的不同在于中文分词是基于词典的，词汇主要来源于词典，因此除非有新词挖掘算法不断扩充词典，否则索引中的中 阅读全文