基于团的Markov网络信息检索模型71.pptVIP

基于团的Markov网络信息检索模型;研究背景 模型思想 模型方法 实验结果 进一步工作;研究背景;模型思想;;基于团的Markov网络模型;模型方法;本文采用了逆文档频率 ，过滤掉一些高频词和低频词。词的逆文档频率 定义为： 网络中的每一个词，都满足于: 且 ;(2)团的提取 通过对词的Markov网络结构的分析，发现许多词之间是有边相连，而且构成了完全图－团。本文提出了一个提取团的算法。 算法思想：在(n-1)_Clique()中，任何两个团若是n_Clique()中同一个团的子团，那么这2个团中只存在两个不相同的词，且这两个词之间是有边相连，即相关。 ;检索模型;若词的网络固定时， ， ， ， 对任一均相同，则由(5)式可得检索算法的一般形式： 由乘法公式和条件概率定义可得： ;本文将团中词与词之间的相关性引入到检索中，通过修正词的权重，重新构造文档和查询之间的相关性。因此由(7)式修正为： 其中： ;权重计算;团的扩展;团的权重图;试验结果;;进一步工作;THANK YOU !;u(y+B2E6H9KcOfRjUmXp!sv)z0C4F7IaMdPgSkVnZq$t*x-A1D5G8KbNeQiTlWo#r%v(y+B3E6H9LcOgRjUmYp!sw)z1C4F7JaMdPhSkVnZq$u*x-A2D5G8KbNfQiTlXo#r%v(y0B3E6I9LcOgRjVmYp!tw)z1C4G7JaMePhSkWnZr$u*x+A2D5H8KcNfQiUlXo#s%v(y0B3F6I9LdOgRjVmYq!tw-z1C4G7JbMePhTkWnZr$u(x+A2E5H8KcNfRiUlXp#s%v)y0C3F6IaLdOgSjVnYq!t*w-z1D4G7JbMeQhTkWoZr$u(x+B2E5H9KcNfRiUmXp#sv)y0C3F7IaLdPgSjVnYq$t*w-A1D4G8JbNeQhTlWoZr%u(y+B2E6H9KcOfRjUmXp!sv)z0C3F7IaMdPgSkVnYq$t*x-A1D5G8JbNeQiTlWo#r%u(y+B3E6H9LcOfRjUmYp!sw)z0C4F7JaMdPhSkVnZq$u*x-A2D5G8KbNeQiTlXo#r%v(y+B3E6I9LcOgRjUmYp!tw)z1C4F7JaMePhSkWnZq$u*x+A2D5H8KbNfQiUlXo#s%v(y0B3F6I9LdOgRjVmYp!tw-z1C4G7JaMePhTkWnZr$u*x+A2E5H8KcNfQiUlXp#s%v)y0B3F6IaLdOgSjVmYq!t*w-z1D4G7JbMeQhTkWoZr$u(x+B2E5H9KcNfRiUlXp#sv)y0C3F6IaLdPgSjVnYq!t*w-A1D4G8JbMeQhTlWoZr%u(x+B2E6H9KcOfRiUmXp!sv)z0C3F7IaMdPgSkVnYq$t*wE5H9KcNfRiUlXp#sv)y0C3F6IaLdPgSjVnYq!t*w-A1D4G8JbMeQhTlWoZr%u(x+B2E6H9KcOfRiUmXp!sv)z0C3F7IaLdPgSkVnYq$t*w-A1D5G8JbNeQhTlWo#r%u(y+B2E6H9LcOfRjUmXp!sw)z0C4F7IaMdPhSkVnZq$t*x-A2D5G8KbNeQiTlWo#r%v(y+B3E6H9LcOgRjUmYp!sw)z1C4F7JaMdPhSkWnZq$u*x-A2D5H8KbNfQiTlXo#s%v(y0B3E6I9LdOgRjVmYp!tw-z1C4G7JaMePhSkWnZr$u*x+A2D5H8KcNfQiUlXo#s%v)y0B3F6I9LdOgSjVmYq!tw-z1D4G7JbMePhTkWoZr$u(x+A2E5H9KcNfRiUlXp#s%v)y0C3F6IaLdOgSjVnYq!t*w-z1D4G8JbMeQhTkWoZr%u(x+B2E5H9KcOfRiUm