信息检索的热力学

在本文中，我们针对长英文文本字符串中单词出现的频率，提出了一个参数化统计模型（伽马分布），并通过构造配分函数，利用该模型构建了相应的热力学图景。随后，我们使用配分函数计算了自由能和比热等热力学量。在这种方法中，词频模型的参数因词而异，因此每个词都有不同的对应热力学，我们认为比热的差异反映了单词在语言中用法上的差异，从而将关键词与普通词及功能词区分开来。最后，我们将该热力学图景应用于基于关键词的文本检索问题，并指出了其相对于传统信息检索方法的一些优势。