中国科学院大学现代信息检索课后习题答案课件.docxVIP

《信息检索导论》课后练习答案 王斌 最后更新日期 2013/9/28 第一章 布尔检索 习题1-1 [*]　画出下列文档集所对应的倒排索引（参考图1-3中的例子）。 文档 1 new home sales top forecasts 文档 2 home sales rise in july 文档 3 increase in home sales in july 文档 4 july new home sales rise 解答： forecasts ------- 1 home ------- 1 ? 2 ? 3 ? 4 in ------- 2 ? 3 increase ------- 3 july ------- 2 ? 3 ? 4 new ------- 1 ? 4 rise ------- 2 ? 4 sales ------- 1 ? 2 ? 3 ? 4 top ------- 1 习题1-2 [*]　考虑如下几篇文档： 文档1 breakthrough drug for schizophrenia 文档2 new schizophrenia drug 文档3 new approach for treatment of schizophrenia 文档4 new hopes for schizophrenia patients a. 画出文档集对应的词项—文档矩阵； 解答： 文档1 文档2 文档3 文档4 approach 0 0 1 0 breakthrough 1 0 0 0 drug 1 1 0 0 for 1 0 1 1 hopes 0 0 0 1 new 0 1 1 1 of 0 0 1 0 patients 0 0 0 1 schizophrenia 1 1 1 1 treatment 0 0 1 0 b. 画出该文档集的倒排索引（参考图 1-3中的例子）。 解答：参考a。 习题1-3 [*]　对于习题1-2中的文档集，如果给定如下查询，那么返回的结果是什么？ schizophrenia AND drug 解答：{文档1，文档2} for AND NOT (drug OR approach） 解答：{文档4} 习题1-4 [*] 对于如下查询，能否仍然在O(x+y)次内完成？其中x和y分别是Brutus和Caesar所对应的倒排记录表长度。如果不能的话，那么我们能达到的时间复杂度是多少？ Brutus AND NOT Caesar Brutus OR NOT Caesar 解答： 可以在O(x+y)次内完成。通过集合的减操作即可。具体做法参考习题1-11。 不能。不可以在O(x+y)次内完成。因为NOT Caesar的倒排记录表需要提取其他所有词项对应的倒排记录表。所以需要遍历几乎全体倒排记录表，于是时间复杂度即为所有倒排记录表的长度的和N，即O(N) 或者说O(x+N-y)。 习题1-5 [*] 将倒排记录表合并算法推广到任意布尔查询表达式，其时间复杂度是多少？比如，对于查询 (Brutus OR Caesar) AND NOT (Antony OR Cleopatra) 我们能在线性时间内完成合并吗？这里的线性是针对什么来说的？我们还能对此加以改进吗？ 解答：时间复杂度为O(qN)，其中q为表达式中词项的个数，N为所有倒排记录表长度之和。也就是说可以在词项个数q及所有倒排记录表长度N的线性时间内完成合并。由于任意布尔表达式处理算法复杂度的上界为O(N)，所以上述复杂度无法进一步改进。 习题1-6 [**]　假定我们使用分配律来改写有关AND和OR的查询表达式。 12a. 通过分配律将习题1-5中的查询写成析取范式； 12 b. 改写之后的查询的处理过程比原始查询处理过程的效率高还是低？ c. 上述结果对任何查询通用还是依赖于文档集的内容和词本身？ 解答： a. 析取范式为：(Brutus And Not Anthony And Not Cleopatra) OR (Caesar AND NOT Anthony AND NOT Cleopatra) b. 这里的析取范式处理比前面的合取范式更有效。这是因为这里先进行AND操作(括号内)，得到的倒排记录表都不大，再进行OR操作效率就不会很低。而前面需要先进行OR操作，得到的中间倒排记录表会更大一些。 c. 上述结果不一定对，比如两个罕见词A和B构成的查询 (A OR B) AND NOT(HONG OR KONG)，假设HONG KONG一起出现很频繁。此时合取方式可能处理起来更高效。如果在析取范式中仅有词项的非操作时，b中结