本文主要是介绍搜索引擎的检索模型-查询与文档的相关度计算，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. 检索模型概述
搜索结果排序时搜索引擎最核心的部分，很大程度度上决定了搜索引擎的质量好坏及用户满意度。实际搜索结果排序的因子有很多，但最主要的两个因素是用户查询和网页内容的相关度，以及网页链接情况。这里我们主要总结网页内容和用户查询相关的内容。
判断网页内容是否与用户査询相关，这依赖于搜索引擎所来用的检索模型。检索模型是搜索引擎的理论基础，为量化相关性提供了一种数学模型，是对查询词和文档之间进行相似度计算的框架和方法。其本质就是相关度建模。如图所示，检索模型所在搜索引擎系统架构位置：
当然检索模型理论研究存在理想化的隐含假设，及即假设用户需求已经通过查询非常清晰明确地表达出来了，所以检索模型的任务不涉及到对用户需求建模。但实际上这个和实际相差较远，即使相同的查询词，不同用户的需求目的可能差异很大，而检索模型对此无能为力。
2. 检索模型分类
所以我们从所使用的数学方法上分：
此外还有基于统计的机器学习排序算法。
这里主要介绍 布尔模型，向量空间模型，概率模型，语言模型，机器学习排序算法
3. 布尔模型
布尔模型：
是最简单的信息检索模型，是基于集合理论和布尔代数的一种简单的检索模型。
基本思想：
文档和用户查询由其包含的单词集合来表示，两者的相似性则通过布尔代数运算来进行判定；
相似度计算：
查询布尔表达式和所有文档的布尔表达式进行匹配，匹配成功的文档的得分为1，否则为0。
如查询词：
苹果 and （iphone OR Ipad2）
文档集合：
D1：IPhone 5于9月13号问世。
D2: 苹果公司于9月13号发布新一代IPhone。
D3：Ipad2将于3月11日在美上市。
D4：Iphone和ipad2的外观设计精美时尚
D5：80后90后都喜欢iphone，但不喜欢吃苹果。
那么单词与文档关系如下图:
这篇关于搜索引擎的检索模型-查询与文档的相关度计算的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
