向量空间模型中查询向量的精确定义

Question

维基百科对向量空间模型给出了很好的解释。

http://en.wikipedia.org/wiki/Vector_space_model

除了它跳过了一个对我来说不是自我解释的部分。这就是查询向量的定义。正文以

开头

d_j = ( w_{1,j} ,w_{2,j} , .... ,w_{t,j} )   // document vector
q = ( w_{1,q} ,w_{2,q} , ... ,w_{t,q} )    // query vector

并继续解释 d_j 如何根据 tf-idf 定义为语料库中的文档。没关系，但我无法将该解释翻译成查询向量。在idf部分，你会如何申请

| {d' E D | t E d' }| ? ( I am using E to represent 'member of set'). 

在查询向量的情况下，即使词条是查询的一部分，但查询本身并不是语料库中的文档，因此上述规范化词条没有等价物。

向量空间模型方面的专家能解释一下吗？

Answer 1

VSM 背后的一个关键思想是，我们将查询和文档都简单地视为位于同一空间中的“词袋”。这意味着为了创建查询向量，我们也可以将其视为文档，因此语料库的 idf 也可以用于此。

需要注意的是，有多种评分方案，查询向量的评分方案不必与文档向量的评分方案相匹配。

这里有一个很好的解释： http://nlp.stanford.edu/IR-book/html/htmledition/queries-as-vectors-1.html

我认为阅读完整的第 6 章对理解 VSM 很有帮助，如果你有兴趣，后面的章节会有更高级的主题。