原创力文档- 1、本文档共20页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
期中测试;衡量信息检索准确性的常用标准为Precision和Recall。请分别举出两个查询实例，其中一个对Precision的要求高而对Recall的要求低，另一个对Precision和Recall的要求都高。;假设一个查询总共对应4个相关文档。下面有两组查询结果：
请画出两组结果的Precision-Recall曲线，并分别计算出它们的MAP值。
;在用矢量空间模型进行相关性衡量时，使用统计指标为tf*idf；看上去，似乎idf（inversedocumentfrequency）的值越大，得出的相关度就越大。然而，在用语言模型进行相关性衡量时，使用的却是df（documentfrequency），似乎df的值越大，得出的相关度就越大。这两个模型对df的看法是否不一致？请解释。
注：语言模型的相关性公式为
;我们都知道，现代计算机的存储结构由多个层次组成；越底层的存储设备容量越大，但速度却越慢，比如磁盘；越高层的存储设备容量越小，但速度却越快，比如Cache。请问，在这样的存储结构下，为了提高数据处理的速度，通常可以采用哪些策略？请说明为什么这些策略是有效的。;假设你要使用两台PC分别在一个10G的文档集上创建倒排索引。PC的配置如下：
1）内存1G，硬盘100G；
2）内存8G，硬盘100G；
请分别谈谈在两种情况下你的索引创建方法。（需给出一些具体的数值，如文档集被分为多少块，每块多大，等等。）;PageRank是搜索引擎常用来衡量网页质量的方法。有的网站为了提高自己的搜索排名，建造了大量的垃圾网站，并让这些垃圾网站引用自己，从而提高自己的PageRank。如何改进PageRank的计算方法，以杜绝这种现象？请简述你的想法。;搜索引擎的架构
SearchEngineArchitecture;年轻的Google;索引工作流;索引工作流;搜索工作流;搜索工作流;Googlein1997;Googlein2001;AGoogleClusterinLate2000’s;GoogleDataCenter–Now;GoogleDataCenter–Now;Google’sDataVolume;Google’sMachines
文档评论（0）