chap 1-Boolean retrieval

布尔检索模型

目标：在目标语料库中查询出现某些词和不出现某些词的文章，即通过具有精确语义的逻辑表达式来构建查询

1. 词项-文档关联矩阵

   

2. 倒排序索引

   1. 收集需要建立索引的文档
   2. 将文章词条化
   3. 词条归一化
   4. 建立倒排序索引

   存储方式：词典在内存，倒排记录表在磁盘

3. 查询优化

   改变处理交集的次序来提升处理速度，一般根据每个词语的文档频率来作为改变合并次序的原则：两个两个合并，从小到大逐渐合并

4. 对基本布尔操作的扩展

   1. 临近操作符：限制待查询的两个词之间的距离；即“/s”表示位于同一个句子中，"/k"表示距离K个词之内，"/p"表示位于同一个段落中
   2. 短语查询

布尔检索模型的改进方向

1. 对返回结果进行排序
2. 对短语进行搜索，而不是单个词
3. 对于词典内的单词，能够容忍不同的形式和错拼
4. 引入词频统计来验证搜索的可信度