2020-02-28

布爾模型

在查詢中使用 AND 、 OR 和 NOT

TF/IDF

tf(t in d) = √frequency

詞 t 在文檔 d 的詞頻（ tf ）是該詞在文檔中出現(xiàn)次數(shù)的平方根。

將參數(shù) index_options 設(shè)置為 docs 可以禁用詞頻統(tǒng)計及詞頻位置，這個映射的字段不會計算詞的出現(xiàn)次數(shù)，對于短語或近似查詢也不可用。要求精確查詢的 not_analyzed 字符串字段會默認使用該設(shè)置。

idf(t) = 1 + log ( numDocs / (docFreq + 1))

詞 t 的逆向文檔頻率（ idf ）是：索引中文檔數(shù)量除以所有包含該詞的文檔數(shù)，然后求其對數(shù)。

字段長度歸一值

norm(d) = 1 / √numTerms

norm是字段中詞數(shù)平方根的倒數(shù)

舉例

example

vector space model

when search 'happy hippopotamus':

// of course 'hippopotamus' weighs more
happy hippopotamus => [2,5] (weight vectors)

then calculated in indices:

Document 1: (happy,____________)—[2,0]
Document 2: ( ___ ,hippopotamus)—[0,5]
Document 3: (happy,hippopotamus)—[2,5]

It appears that doc 3 is the most relevant one.

image.png