檢索模型的目的

　　現實中搜索引擎的檢索策略復雜多變，但是分析起來，核心的目的就兩個，為了:

　　1. 越相關的結果越靠前;

　　2. 查詢的結果是完整的。

經典檢索模型

經典信息檢索模型有三類：

　　　　1.布爾模型

　　　　2.向量模型

　　　　3.概率

　　　　不看內部， 查詢的模型是：查詢->查詢模型->返回結果，一個查詢是一組關鍵字，返回結果是一組文檔

　　1.布爾模型：

　　　　返回包含一個查詢中的n個關鍵字的文檔, 即包含w1，w2，w3的文檔的交集

　　2.向量模型：

　　　　考慮到布爾匹配的局限性太強，而提出的一個部分匹配的方法。通過對查詢和文檔中的索引賦予非布爾權重，最後用來計算文檔和用戶查詢之間的相似度。

　　　　向量d表示文本，向量q表示查詢，它們的長度是一樣的，d.length = q.length = 索引項總個數。

　　　　當然可以用類似cosine，Jaccard的方法來計算相似度，並對結果進行排序。

　　　　盡管它並不是最好的，但是在評測檢索策略的時候經常作為baseline（基準）。

　　3.概率模型：

　　　　這個概念有些復雜，其實看起來就好像是潛在語義的分析，對用戶的輸入進行一些分析，推測潛在屬性，最後給出一個在假設下為，給出最大概率是用戶想要文檔的文檔（拗口）。

　　　　同時有一個虛擬的概念叫理想文檔，就是恰好只包含用戶想要的結果的文檔。

　　　　實現的方法：用樸素貝葉斯推斷。可以想象在A屬性下用戶給出Q查詢的概率，以及目前已有的過往查詢中某個屬性A下最終得到的概率，就應該知道它跟貝葉斯方法的推導有一些關系了。

　　　　這個模型的缺陷在於幾乎沒有辦法給定樣本集。評測它的準確度也不是那麽容易。

集合論模型

　　1.基於集合的模型

　　　　基於集合的模型是一種較新的方法，結合了集合論與向量空間模型的排序。它包含了布爾模型的特征（布爾=集合，向量=代數）。，我們把它看成布爾模型。主要的特點是利用項集建立索引，而非普通的索引。

　　　　所謂項集，是文檔中索引項的子集。一個集合可以有2^t個項集，但是實際用到的不會這麽多。同時，項集也不是兩兩不相交的。

　　　　頻繁項集是項集的一種。設定一個閾值，當項集中的索引出現文檔次數超過它的時候，這個項集就是頻繁項集。頻繁項集還有跟它相關的項集 Apriori算法，在關聯規則的時候會用到它。

　　　　用頻繁項集來設計索引，可以在一些場景下減少搜索時間，提高檢索效率。

　　2.擴展布爾模型

　　　　是一種將布爾模型和向量模型統一化的方法（布爾=集合，向量=代數）。用p範數泛化形式的析取、合取，統一了布爾模型和向量模型，並且還有一些中間的形態。目前不清楚它的應用，具體的數學形式不給了。

　　3.模糊集模型

　　　　為了處理布爾模型的突變問題而設計的模型。該模型中新增了同義詞辭典，並且自然而然地采用了相似度的計算。

其他模型

結語

　　檢索的模型有很多種，並不能說哪一種更好，因為判定的標準不是唯一的。

　　盡管如此，檢索模型仍然沒有達到完美的終點，還需要更多的研究。在為了得到良好結果而做的努力中，檢索模型是一個基礎，為了面對不同的文檔集和不同的查詢需求，模型是可能被同時結合到搜索引擎中並且由搜索引擎所調度的。

【搜索引擎（三）】檢索模型