东北大学软件工程硕的士--信息检索复习题及答案.docVIP

信息检索复习要点 第一讲 网页采集 网页采集器的基本原理[简答题] 网页采集器的设计[题][简答题] 第二讲 分析处理 网页分析处理的必要性[简答题] 分词歧义的处理方法[简答题] 分词的设计[题] 将文章分成句子（通过标点符号来实现）； 循环的读入每一个句子S，设句子中的字数为n； 设置一个最大词长度，就是我们要截取的词的最大长度 max 从句子中取n-max 到 n 的字符串 subword，去字典中查找是否有这个词。如果有就走（5），没有就走（6）； 记住 subword，从 n-max 付值给 n，继续执行（4），直到 n=0. 将 max-1，再执行（4）。 最大概率分词法：列出可能的拆分结果，查表，结果大的，为最终结果。 基本细想： 一个待切分的汉字串可能包含多种分词结果 将其中概率最大的那个作为该字串的分词结果 分词算法： 对一个待分词的字串 S，按照从左到右的顺序取出全部候选词w1, w2 , … ,wi, … , wn ； 到词典中查出每个候选词 的概率值P(wi) ，并记录每个候选词的全部左邻词； 按照公式1计算每个候选词的累计概率，同时比较得到每个候选词的最佳左邻词； 如果当前词wn是字串S的尾词，且累计概率P (wn)最大，则wn 就是S的终点词； 从wn开始，按照从右到左顺序，依次将每个词的最佳左邻词输出，即为S的分词结果。 计算准确率、召回率和F值[计算