web搜索學習筆記之概率模型

1. 爲什麼概率模型？

直觀上，一個IR系統不可能給出一個確定的答覆：一個文檔是否滿足一個查詢？ 就算是人類，也不能給出這樣確定的回答。因此，需要進行不確定性地判斷。而概率理論正是進行不確定性推理的理論。

概率方法既是最古老的信息獲取方法之一，也是當前最熱門的信息獲取方法之一。

2. 跟別的模型的比較

• 2.1 布爾模型

布爾模型不支持對文檔集合的排序。

• 2.2 向量空間模型

向量空間模型基於文檔與查詢的相似度，進行排序。而相似度並不是相關度。最相似的文檔可能高度相關，也可能完全無關（？）。而概率模型是對相關程度的更清晰的定義。

3. 需要使用的概率論基礎

4. 基於概率的文檔排序原理

4.1 基於概率的相關程度公式及其推導過程

公式（4）表示文檔x與查詢q相關的概率，其中x和q都是建立在term上的向量。

公式（5）表示文檔x與查詢q不相關的概率。

公式（6）組合公式（4）和公式（5），用來計算文檔x與查詢q的相關程度。

公式（7）是公式（6）中隨文檔x變化的部分，公式（6）中的其餘部分，對於給定一個查詢q來說，都是常量。

公式（8）基於公式（7），給出最終用來計算文檔x與查詢q相關程度的公式。

4.2 計算公式（8）

其中，