《信息检索导论》课后习题答案

《信息组织与检索》作业答案1第一章布尔检索I习题1-2考虑如下几篇文档：文档1breakthroughdrugforschizophrenia文档3newapproachfortreatmentofschizophrenia文档4newhopesforschizophreniapatientsa.画出文档集对应的词项一文档矩阵；b.画出该文档集的倒排索引(参考图1-3中的例子)。20110000013001101101410011100100111补充习题1Ifp1->docld==p2->doWhilelist1.currentItem()!=nullANDlist2.currentItem()!=nullIflist1.currentItem().getDocld()==list2.currentItem(.getDocld()answer.insert(list1.cuElseiflist1.currentItem(.getDocld()<list2.currentItem(.ge习题1-10Ifp1->docld==p2->docldWhilelist1.currentItem(!=nullANDlist2.currentItem()!=nIflist1.currentItem().getDocld()==list2.curanswer.insert(list1.cuElseiflist1.currentItem().getDocanswer.insert(list1.cuanswer.insert(list2.cuWhilelist1.currentanswer.insert(list1.cuWhilelist2.currentanswer.insert(list2.cu补充习题2正确率=20/100=0.2召回率=20/40=0.5第二章词项词典及倒排记录表习题2-1习题2-2b.Shi'ite->shiite('是隔音号)c.cont’d->contd(contd.可表示contained包括；continued继续)习题2-3该输出同样的结果?为什么?习题2-6对于两个词组成的查询，其中一个词(项)的倒排记录表包含下面16个文档ID:[4,6,10,12,14,16,18,20,22,32,4而另一个词(项)对应的倒排记录表仅仅包含一个文档ID:比较11次。下图蓝色表示安装了跳表指针的元素，其中120跳到180上。[4,6,10,12,14,16,18,20,22,32,4习题2-9词项：文档1:(位置1,位置2,…);文档2:(位置1,位置2,…);in:2:(3,37,76,444,851);4:(10,20,110,470,500);7:(5,1rush:2:(2,66,194,32to:2:(47,86,234,999);4:(14,24,774,944);7:(199,319,599,where:2:(67,124,393,1001);4:(11,41,101,421,431);文档2、4、7.文档4。补充习题1k词邻近AND合并算法前提：给定两个指针p1和p2,分别指向两个词A和B的两倒排列表(链表实现)的首元素；令pi->doc表算法：Ifp1->docld==p2->docld//对两(剩余)列表的首元素进行比较Whileq1!=nullANDq2!=nullIfq1->pos-q2->pos<=kORq2->pos-q1->pEndIf第六章文档评分、词项权重计算及向量空间模型习题6-2不同得分有多少?习题6-10考虑图6-9中的3篇文档Doc1、Doc2、Doc3中几个词项的tf情况，采用图6-8中的idf43000图6-9习题6-10中所使用的tf值解答：00030222这里N=3.000000假设文档集中的文档数目N=1000000,词表为{auto,best,car,insurance}这四个词解答：这里N=1000000。化tf-idf1000012v(q)=归一0000111111第八章信息检索的评价习题8-8考虑一个有4篇相关文档的信息需求，考察两个系统的前10个检索结果(左边的结解答：a.按MAP的定义，这里|Q|=1,m=4。在查询结果中遇到每个相关文档对前面的所有文档计算一个MAP(系统1)=(1/4)*(1+2/3+3/9+4/10)=0.6MAP(系统2)=(1/4)*(1/2+2/5+3/6+4/7)=0.49R-precision(系统1)=2/4=1/2R-precision(系统1)=1/4系统1的R-precision值大。与MAP给出系统打分排序的结果一致。习题8-10下表中是两个判定人员基于某个信息需求对12个(完整word版)《信息检索导论》课后习题答案相关，1=相关)。假定我们开发了一个IR系统，针对该信息需求返回了文档{4,5,6,7,8}。docID判断1判断20b.当两个判断均认为是相关文档时才认为该文档相关，此时计算上述系统的正确率、召回率及F₁值；c.只要有一个判断认为是相关文档则认为该文档相关，此时计算上述系统的正确率、召回率及F₁值。P(A)就是实际观察到的一致意见的概率，总No。因此，P(A)=(2+2)/12=1p是2*12次打分中为No的比例，pₙ=12/24=1/2。代入P(E),得：P(E)=(1/2)^2+(1/2)^2=1/2.Kappa=(P(A)-P(E))/(1-P(E))=(1/3-1/2)/(1-1/2)=-1/3<0.67,这是一个负数，说明实际的一致性结果b.文档集中共有12篇文档，其中2文档相关({3,4}),其它10篇都不相关。查询结果为{4,5,6,7,8},其中只有1篇文档相关({4})。该查询的c.文档集中共有12篇文档，其中10文档相关，其它2篇都不相关({1,2})。查询结果为{4,5,6,7,8},全该查询的注：因Kappa统计量认为两人打分不一致，所以修正方法b比较合理，而c非常不合理。第十三章文本分类与朴素贝叶斯方法习题13-3位置独立性假设的基本原则是，词项在文档的位置k上出现习题13-9基于表13-10中的数据，进行如下计算：(i)估计多项式NB分类器的参数；文档中的词属于c=Chin类?12345?词典中有7个词Japan,Macao,Osaka,Sapporo,Shanghai,Taipei,Taiwan.测试集中，China类共有5个词；非China类共有5个词。P(Taiwan|China类)=(2+1)/(5+7)=1/4(加一平滑，下同)P(Taiwan非China类)=(1+1)/(5+7)=1/6P(Sapporo|China类)=(0+1)/(5+7)=1/12P(Sapporo|非China类)=(2+1)/(5+7)=1/4P(China类|d.)αP(China类)*P(Taiwan|China类)^2*P(Sapporo|China类)=1/2*(1/4)^2*1/12=1/384.类)=1/2*(1/6)^2*1/4=1/288.第十六章扁平聚类习题16-3对于图16-4,同一类中的每个点d都用两个同样的d的副本来替换。(1)那么,对于新的包含类的纯度、RI。在点数增加一倍之后，哪些指标增大?哪些指标保持不变?(iii)在得到(1)中的判断和(ii)中的指标之后，哪些指标更适合于上述两种聚类结果的质量比较?解答：我认为更难，因为34个点比17点的计算量增大了。节点复制为原先的一倍后，簇1:10个x类文档，2个o类文档；簇3:4个x类文档，6个类文档。计算纯度=(1/34)*(10+8+6)≈0.71;,将一对同类的文档分到相同聚类中的对数。(完整word版)《信息检索导论》课后习题答案TN=10*8+10*2+2*2+2*2+10*6+2*4+2*6+2*6+8*4+8*6+2*4=288,的文档分到不同聚类中的对数。对比N=17时，纯度为0.71,RI为0.68。我们得出节点复制为原先的一倍后，指标几乎不变。习题16-4在K-均值算法中，为什么对同一概念car使用不同词项来表示的文档最后可能会被归入同一簇考虑两篇文档，一篇含有car和其它词，一篇含有automobile和其它词。虽然第2篇文档不