DF还是IDF?主特征模型在Web信息检索中的使用

• 作者: 宋睿华 张敏 马少平
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: Web信息检索 主特征模型 权值计算 文档频度
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 1012-1020
• 页数: 9页
• 分类号: TP393
• 字数: 8874字
• 语种: 中文

摘要

Web信息检索的难点之一就是简短、模糊的用户查询与存在大量冗余和噪声的文档之间的不匹配.对Web文档信息特征进行分析,提出Web文档主特征词、主特征域和主特征空间的概念,在该空间上使用文档频度DF(document frequency)信息而非传统意义上的IDF(inverse document frequency)信息进行权值计算,并给出一个改进的相似度计算模型.使用该模型在10G和19G的两个大规模Web文档集合上进行了3组标准测试.比较实验表明,与传统IDF思想相比,在各项评价指标上,DF相关的主特征权值计算方法都能始终较大幅度地提高系统性能,最大达到18.6%的性能改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马少平	清华大学计算机科学与技术系	53	2381	23.0	48.0
5	张敏	清华大学计算机科学与技术系	111	1817	21.0	40.0
9	宋睿华	清华大学计算机科学与技术系	3	231	3.0	3.0