买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：盐城工学院;盐城工学院技术转移中心有限公司

摘要：本发明提供一种基于三重词频方案的Ad‑hoc信息检索模型，属于信息技术领域，所述检索模型的构建包括以下步骤：步骤一、计算LTF、RTF和PTF排名函数，并进行归一化处理，得到它们相应的表示函数TF1、TF2和TF3；其中，LTF表示长度正则化的词项频率；RTF表示相对文档内词项频率；PTF表示基于接近度的词项频率；步骤二、对TF1、TF2和TF3函数进行线性组合，基于TF1、TF2和TF3函数线性组合结果，得到检索模型。本发明构建的检索模型TriATF和TriATF*，将LTF、RTF和PTF线性地结合起来，充分利用这些词频的优势，实现更高效的文档检索，简单实用。

主权项：1.一种基于三重词频方案的Ad-hoc信息检索模型，其特征在于，所述检索模型的构建包括以下步骤：步骤一、计算LTF、RTF和PTF排名函数，并进行归一化处理，得到它们相应的表示函数TF1、TF2和TF3；其中，LTF表示长度正则化的词项频率；RTF表示相对文档内词项频率；PTF表示基于接近度的词项频率；步骤二、对TF1、TF2和TF3函数进行线性组合，基于TF1、TF2和TF3函数线性组合结果，得到检索模型；所述步骤一中进行归一化处理时，使用的归一化函数为fx＝x1+x，其中x表示LTF、RTF和PTF排名函数的其中一个，fx表示相应的表示函数TF1、TF2或TF3；所述步骤一中，将LTF排名函数归一化处理得到表示函数TF1，操作步骤如下：LTF排名函数表示为： 其中，LTFt,D表示长度正则化的词项频率；D表示文档；t表示文档D中的词项；tft,D表示文档D中词汇t的频率；avdl指给定文献集合C中的平均文档长度；|D|表示文档的长度；使用函数fx＝x1+x来归一化LTFt,D，则有：TF1t，D＝LTFt，D1+LTFt，D2其中，TF1t,D表示规范化后的长度正则化的词项频率；所述步骤一中，将RTF排名函数归一化处理得到表示函数TF2，具体操作如下：RTF排名函数表示为： 其中，RTFt,D表示相对文档内词项频率；D表示文档；t表示文档D中的词项；tft,D表示文档D中词汇t的频率；avgtfD表示文档D的平均词频；使用函数fx＝x1+x来归一化RTFt,D，则有：TF2t，D＝RTFt，D1+RTFt，D4其中，TF2t,D表示规范化后的相对文档内词项频率；所述步骤一中，将PTF排名函数归一化处理得到表示函数TF3，具体操作如下：PTF排名函数公式为：PTFt，D＝∑q∈Q，q≠t，Proxt，q，D5其中，Q表示查询,q表示Q中的一个查询词项；PTFt,D表示基于接近度的词项频率；D表示文档；t表示文档D中的词项；Proxt,q,D表示文档D中词项t和查询词项q之间的接近程度，公式为： 其中，distt,q,D是文档D中词项t和查询词项q之间的距离，σ是一个归一化参数；使用函数fx＝x1+x来归一化PTFt,D，则有：TF3t，D＝PTFt，D1+PTFt，D8TF3t,D表示规范化后的基于接近度的词项频率；所述步骤二的具体操作步骤如下：步骤1、使用查询长度因子ω＝2[1+log21+|Q|]来组合TF1和TF2，得到：TF1，2t，D＝1-ω·TF1t，D+ω·TF2t，D9其中，D表示文档；t表示文档D中的词项；ω表示查询长度因子；TF1t,D表示规范化后的长度正则化的词项频率；TF2t,D表示规范化后的相对文档内词项频率；步骤2、然后将TF1,2t,D与TF3线性组合，生成以下结果：TFtrit，D＝1-λ·TF1，2t，D+λ·TF3t，D10其中，λ表示TF1,2t,D与TF3线性组合的权重系数，取值范围[0,1]；步骤3、通过以下式对IDF进行优化改进，得到TDF： 其中，IDFt表示逆文档频率，定义为log2[N-nt+0.5nt+0.5]，其中N是文献集合中的文档数，nt是包含t的文档数；ctft表示t在文献集合中的频率；TDFt表示改进后的IDFt；步骤4、结合TF1、TF2和TF3函数线性组合结果和优化改进后的逆文档频率，得到检索模型：ScoreQ，D＝t∈QTFtrit，D·TDFt12其中，ScoreQ,D表示得到的检索模型；TFtrit,D表示TF1,2t,D与TF3线性组合；TDFt表示改进后的IDFt。

全文数据：

权利要求：

百度查询： 盐城工学院 盐城工学院技术转移中心有限公司 一种基于三重词频方案的Ad-hoc信息检索模型