摘要：
信息检索（informagto retrieval) 是从大规模非结构化数据（通常是文本）的集合中找出满足用户信息需求的资料 文档document 所有文档组成“文档集“(collection), 有时也称“语料库”（corpus) 查询(query) 相关的(relevant) 正确率（precision): 返回结果中 真正和信息需求相关的文档所占比例 //给出的结果，多少是真正需... 阅读全文
摘要：
2.1.1 文档分析及编码转换： 文档处理第一步，是将文件或web服务器上的一系列二进制字节序列转换为字符序列。 在实际中，首先要判断出文档的编码方式（机器学习分类、启发式等方法），确定文档的类型（word?zip?)然后将字节序列转换成字符序列。 2.1.2 文档单位（document unit)的选择： 常见的，将某个目录下的每个文件都看成一个文档。 ... 阅读全文