Rocchino算法总结

Season请您思考：

    ·Rocchino本质是什么？

这个算法主要开始运用于网页搜索中，首先我们会举个例子来说明使用这个算法会产生什么样子的效果。当我们在网页上输入“苹果”后，网页会展现水果和电子产品iPhone，mac等等，此时我们可以用向量表示我们的输入操作为{苹果：1}，然后我们会点击网页上的内容，如我们点击mac,此时我们的操作可以用向量就变成用{苹果：1，mac:0.8,iphone:0.5}表示，接下来网页展现的内容会越来越靠近我们点击的相关内容，这就有人机交互相互反馈的感觉了，事实上这个算法就是这样的一个思想。

Rocchio算法做了两个很致命的假设：

       一：它认为一个类别的文档仅仅聚集在一个质心的周围，实际情况往往不是如此（这样的数据称为线性不可分的）；

       二：它假设训练数据是绝对正确的，因为它没有任何定量衡量样本是否含有噪声的机制，因而也就对错误数据毫无抵抗力。

常常被用来做科研中比较不同算法优劣的基线系统（Base Line）

（2）Rocchio算法应用举例

假定初始查询Q为“extremly cheap DVDs cheap CDs”。文档d1包含词项“cheap CDs cheap software cheap DVDs”，文档d2包含“cheap thrills DVDs”。用户标记d1为相关文档，d2为不相关文档。假定我们直接使用词项频率作为文档向量中词项的权重，并采用Rocchio 1971算法进行相关性反馈，其中α＝1，β＝0.75，γ＝0.25，请给出修改后的查询向量。

解答：

单词	extremly	cheap	DVDs	CDs	software	thrills
Original query	1	2	1	1	0	0
Positive Feedback	0	3	1	1	1	0
Negative feedback	0	1	1	0	0	1

因为α＝1，β＝0.75，γ＝0.25，query vector =α*Original query vector +β*Positive Feedback vector —γ*Negative feedback vector （这里为什么这么计算呢？）

单词	extremly	cheap	DVDs	CDs	software	thrills
α*Original query	1	2	1	1	0	0
β*Positive Feedback	0	2.25	0.75	0.75	0.75	0
γ*Negative feedback	0	0.25	0.25	0	0	0.25
query vector	1	4	1.5	1.75	0.75	-0.25

故最后答案为：

单词	extremly	cheap	DVDs	CDs	software	thrills
query vector	1	4	1.5	1.75	0.75	0

解答

假定我们有一个用户查询，并知道部分相关文档和不相关文档的信息，则可以通过如下公式得到修改后的查询向量q：

：

转载博文：

1、Rocchio算法

2、相关性反馈题目