欢迎您光临本小站。希望您在这里可以找到自己想要的信息。。。

标准化因子

数据结构算法 water 4538℃ 0评论

1:标准化因子文件nrm

在讨论标准化因子(Normalization Factor)之前,首先应明晰两个概念:

  • tf(term frequency):term在文档中出现的频次

  • idf(inverse doc frequency):包含term的词条越少,则此term的idf值越大

Term Weight的计算主要与上诉两个因子有关,但是还存在一些与文档本身有关的问题:

  • Doc Boost 文档的重要性权值

  • Field Boost Filed的重要性权值

  • 文档长度

标准化因子的作用

标准化因子主要是为了解决上诉三个问题,在计算Term Weight时都会乘上标准化因子,因为是离线生成,所以能够优化计算性能。

标准化因子的计算方法

标准化因子在索引过程中计算生成,存储为nrm文件,计算公式如下

norm(t,d)=doc.getBoost()*lengthNorm(field)*∏f.getBoost()

参数含义如下:

  • t:term d:doc

  • lengthNorm(field):与一个Field里面包含的term总数负相关,计算公式为1/Math.sqrt(numTerm)

  • ∏f.getBoost():如果一个term在一个doc里面的n个field中出现,则此值为此n个field的boost值的连乘

转载请注明:学时网 » 标准化因子

喜欢 (5)or分享 (0)

您必须 登录 才能发表评论!