面向 Ad-hoc 检索的词项权重学习
信息检索
2016-06-15 v1
摘要
大多数信息检索模型通过对特定于文档或查询的词项权重求和，来计算给定查询下文档的相关性得分。诸如 TF-IDF 的启发式方法或诸如 BM25 的概率模型被用于指定如何计算词项权重。在本文中，我们提出利用排序学习原则，基于词项出现模式来学习如何为给定文档计算词项权重。
引用
@article{arxiv.1606.04223,
title = {Learning Term Weights for Ad-hoc Retrieval},
author = {B. Piwowarski},
journal= {arXiv preprint arXiv:1606.04223},
year = {2016}
}