傳統搜尋引擎會通過統計特定網頁中關鍵字的位置、出現的次數或者是URL中的關鍵字，依照匹配的程度提供給user相關的檢索結果。從自然語言的角度來看，通常一個詞可能有多種不同的說法，所以造成一詞多義的情形，或者是一義多詞。對於一詞多義可能使得搜尋結果中包含很多不是user真正要查找的結果，一義多詞將使得搜尋結果中遺漏很多user真正要查找的結果。但這個弊端是傳統的搜尋引擎演算法中無法解決的，而Latent Semantic Indexing（LS I）為隱性語義索引便是搜尋引擎試圖要解決這一個弊端，LS I以大樣本數量的統計分析找出不同的詞、片語間的相關性，LSI會建立matrix，並將不要的去掉，根據文件字詞出線的頻率（Term-Document frequency matrix），再用matrix search，讓搜尋結果接近多user真正要查找的結果。
評估資訊檢索效能：精確率（precision ratio）和回收(現)率（recall ratio）仍然是現在最常使用的兩個衡量標準，用來評估檢索系統的效能。
相關 | 不相關 | 總數 | |
檢索到 | a | b | a＋b |
未檢索到 | c | d | c＋d |
總數 | a＋c | b＋d | a＋b＋c＋d |
※ 精確率（precision ratio）＝ 檢索到相關資料的筆數／檢索到資料的總數，包括相關與不相關
＝（a／a＋b）× 100％
檢索所得與主題有關篇數與所得篇數的比率，精確率越高表示檢索所得越精確。
※ 回收率（recall ratio）＝檢索到相關資料的筆數／資料庫內所有相關資料的總數，包括檢索到與未檢索到
＝（a／a＋c）× 100％
檢索所得篇數與資料庫中相關篇數的總數的比率，回收率越高表示查得越多相關文件
沒有留言:
張貼留言