由于早期的搜索沿用的借助倒排表，使用布尔模型是0和1的二元逻辑，使用逻辑符号and or not来组织关键词的表达式，所以造成信息检索的结果查全率高，查准率底。但是仍然为大多搜索引擎所使用，尤其是专家检索。
虽然布尔模型有确切的表达式，但是通常很难将用户的需求信息转化为布尔表达式。
介于此为了增加词和信息之间的相关性，搜索开发出了，向量模型，概率模型，神经网络模型，贝叶斯模型等等。实际做的工作是一致的，都是在增加相关性的计算。以求达到和检索者的思维的统一。
向量空间模型是比较经典的一个模型，借助余弦值获得相关性的值，但是其中词频的作用还是不容忽视，精确的绝对词频，也就是文档中词频的绝对数量，相对词频为归一化的词频，其计算方法用tf-idf公式。
