国科大现代信息检索第二次作业.pdfVIP

国科大2013年秋季《现代信息检索》第二次作业(第六章到第十五章)

以下1—16每题6分,第17题3分,共计100分。

1.习题6—10考虑图6—9中的3篇文档Doc1、Doc2、Doc3中几个词项的tf情况，采用图6—8中的

idf值来计算所有词项car、auto、insurance及best的tf-idf值.

Doc1Doc2Doc3

car27424

auto3330

insurance03329

best14017

图6-9习题6—10中所使用的tf值

car在三篇文档中的tf—idf值分别：Doc1:27*1.65=44.55；Doc2：4*1.65=6.6；Doc3：24*1.65=39。6

auto在三篇文档中的tf-idf值分别为：Doc1：3＊2.08=6。24;33＊2。08=68。64；0*2。08=0

insurance在三篇文档中的tf—idf值分别为：Doc1:0*1。62=0;33＊1.62=53。46;29*1.62=46。98

best在三篇文档中的tf—idf值分别为：Doc1:14*1。5=21;0*1。5=0；17＊1.5=25。5

2.习题6—15回到习题6—10中的tf—idf权重计算，试计算采用欧氏归一化方式处理后的文档向量，

其中每个向量有4维，每维对应一个词项。

Doc1=(44.55，6.24，0，21),Len(Doc1)=49。6451对其长度归一化得到Doc1=(0。897,0。126，0，0.423）

Doc2=（6。6,68。64，53.46，0），Len（Doc2）=87。2524对其长度归一化得到Doc2=(0.076，0.787，0.613，

0）

Doc3=(39。6，0,46。98，25.5），Len（Doc3）=66。5247对其长度归一化得到Doc3=(0.595，0，0。706，0。

383）

3.习题6-19计算查询digitalcameras及文档digitalcamerasandvideocameras的向量空间相似度并

将结果填入表6-1的空列中。假定N=10000000，对查询及文档中的词项权重(wf对应的列）采用对数方法

计算，查询的权重计算采用idf,而文档归一化采用余弦相似度计算。将and看成是停用词。请在tf列中给

出词项的出现频率,并计算出最后的相似度结果.

表6—1习题6-19中的余弦相似度计算

查询文档

词qd

tfwfdfidfq=wf-idftfwfii

id=归一化的wf

i

digital111000033110。521。56

video0010000020