Rocchio 1971算法进行相关性反馈题目

PB10210016  徐波-第四次作业Chp.5 Queries (10.8)

1.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 

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

2.在实际的Web搜索引擎中我们很少使用相关性反馈技术，试分析一下其中的原因，给出至少3个原因。

解答：

①　相关性反馈技术会增加搜索引擎服务器的负担。现代搜索引擎能够访问的Web网页数量已经达到上十亿的规模，哪怕用户只是搜索其中很少的一部分内容，基于全文搜索技术的搜索引擎也能返回成千上万的页面。即便这些结果网页都是用户所需要的，用户也没有可能对所有的网页浏览一遍，所以能够将用户最感兴趣的结果网页放于前面，势必可以增强搜索引擎用户的满意度。

②　搜索引擎用户自身的检索专业能力通常很有限。在最为普遍的关键词检索行为中，用户一般只是键人几个词语。例如，Spink等曾对Excite等搜索引擎的近300位用户做过实验调查，发现人均输入的检索词为3.34个。国内部分学者也有相似的结论，发现90%左右的用户输入的中文检索单字为2～6个，而且2字词居多，约占58%，其次为4字词(约占18%)和3字词(约占 14%)。

③　操作过程麻烦，难以使用户用起来方便。多数用户都寄希望于搜索引擎能够自动地为他们构造有效的检索式。由于缺乏过去联机检索中常常具备的检索人员，因此，用户实际的检索行为与用户理想的检索行为存在事实上的差距，检索结果的不满意也是不奇怪的。

 

PB10210016  徐波