最近想学习下Lucene ，以前运行的Demo就感觉很神奇，什么原理呢，尤其是查找相似度最高的、最优的结果。索性就直接跳到这个问题看，很多资料都提到了VSM（Vector Space Model）即向量空间模型，根据这个模型可以对搜索的结果进行最优化的筛选，目前还不知道如何证明，只能凭借想象应该是这...
分类：
其他好文 时间：
2015-06-15 20:09:03
阅读次数：
329
Lucene在进行关键词查询的时候，默认用TF-IDF算法来计算关键词和文档的相关性，用这个数据排序TF:词频,IDF：逆向文档频率，TF-IDF是一种统计方法，或者被称为向量空间模型,名字听起来很复杂，但是它其实只包含了两个简单规则某个词或短语在一篇文章中出现的次数越多，越相关整个文档集合中包含某...
分类：
编程语言 时间：
2015-06-15 18:03:03
阅读次数：
199
k近邻法（k-nearest neighbor，k-NN） 输入：实例的特征向量，对应于特征空间的点；输出：实例的类别，可以取多类。 分类时，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。 实例类别已定，不具有显式的学习过程。k近邻法实际上利用训练数据集对特征 向量空间进行划分，并作...
分类：
其他好文 时间：
2015-06-11 21:05:23
阅读次数：
227
问题：如果IR在该文件中，我们已经建立-词项矩阵。有两个词条目“learn”和“study”。在传统的向量空间模型，两个独立的感觉。从语义的角度来讲，两者是相似的。并且两者出现频率也类似。是不是能够合成为一个特征呢？ 《模型选择和规则化》谈到的特征选择的问题，就是要剔除的特征主要是和类标签无关的特征...
分类：
其他好文 时间：
2015-06-11 19:12:11
阅读次数：
123
xml中文档（query）的结构：
CIRB010TopicZH006
科索沃難民潮
查詢科索沃戰爭中的難民潮情況，以及國際間對其採取的援助。
相關文件內容包括科省難民湧入的地點、人數，受安置的狀況，難民潮引發的問題，參與救援之國家與國際組織，其援助策略與行動內容之報導。
科省、柯省、科索沃、柯索伏、難民、難民潮、難民營、援助、收容、救援、醫療、人道、避難、馬其頓、土耳其、外交部、國...
分类：
其他好文 时间：
2015-06-04 21:07:22
阅读次数：
153
搜索引擎依托于互联网，它是互联网网站和应用的入口。1，搜索引擎技术的发展史 第一代：文本检索的一代 采用经典的信息检索模型，比如布尔模型、向量空间模型或概率模型，来计算用户查询关键词和网页文本内容的相关程度。并没有利用到网页之间的链接关系。 第二代：链接分析的一代 充分利用网页之间的链接...
分类：
其他好文 时间：
2015-05-25 23:55:12
阅读次数：
181
题意：给你一些数，其中任选一些数（大于等于一个），那么他们有一个异或和。求所有这样的异或和的第k小。我们可以将每一位看成一维，然后就是给我们n个60维的向量，求它们线性组合后得到的向量空间中，第k小的向量。因为给我们的向量不一定是非线性相关的（即存在一些向量可以被其他向量线性表示出），所以我们先进行...
分类：
其他好文 时间：
2015-05-23 19:52:54
阅读次数：
106
首先看看vector不同于数组的一个地方：可以根据数据的多少扩容：
至于这里为什么要是扩充一倍，因为扩容函数执行也需要时间开销，当以增加一倍扩容时调用扩容的概率和容量的匹配要更好：template void Vector::expand() { //向量空间不足时扩容
if (_size < _capacity) return; //尚未满员时，不必扩容...
分类：
其他好文 时间：
2015-05-19 22:36:11
阅读次数：
237
向量 = vector向量空间 = vector space两个向量空间 U, V 之间的线性变换，可以用 matrix 表示。如果 U 的维数是 m，V 的维数是 n，则 $T: U \rightarrow V$的矩阵形式是 $m \times n$。矩阵应该正确地理解为：两个向量空间之间的线性变...
分类：
其他好文 时间：
2015-05-17 20:10:55
阅读次数：
208
1、核所有经过变换矩阵后变成了零向量的向量组成的集合，通常用Ker(A)来表示。假设你是一个向量，有一个矩阵要来变换你，如果你不幸落入了这个矩阵的核里面，那么很遗憾转换后你就变成了虚无的零。特别指出的是，核实“变换”（Transform）中的概念，矩阵变换中有一个相似的概念叫“零空间”。有的材料在谈...
分类：
其他好文 时间：
2015-04-29 09:45:55
阅读次数：
542
