T${}^2$K${}^2$: Twitter Top-K 关键词基准测试

从文本数据中进行信息检索侧重于构建包含加权词元组的词汇表。此类词汇表随后可被各种文本分析算法利用以提取新知识，例如 top-k 关键词、top-k 文档等。top-k 关键词被随意用于各种目的，经常即时计算，因此必须高效计算。为了比较竞争的加权方案和数据库实现，基准测试是惯例。据我们所知，目前没有基准测试解决这些问题。因此，在本文中，我们提出了一个 top-k 关键词基准测试 T${}^2$K${}^2$，其特色是真实推特数据集和具有不同复杂度与选择率的查询。T${}^2$K${}^2$ 有助于从计算性能方面评估加权方案和数据库实现。为了说明 T${}^2$K${}^2$ 的相关性和通用性，我们成功地在 TF-IDF 和 Okapi BM25 加权方案上，以及在不同的关系型（Oracle、PostgreSQL）和面向文档的（MongoDB）数据库实现上进行了测试。