现代信息检索导论作业讲评.ppt

* 插值正确率：对于任意不小于r的召回率水平r`所对应的最大正确率。 * MAP:平均正确率均值。如果相关文档没有返回，则认为该相关文档在无穷远处，即此时该文档对应的正确率为0。该正确率也要用于最后的MAP计算。 * * * * * * * * * 现代信息检索导论 不要抄袭 有两位同学一次作业都没交，请认识他们的同学转告一下。 作业说明 第一次作业 Estimate the time and space complexity of the SPIM indexing algorithm 把空间复杂度与实际内存使用情况混淆 第一次作业 Design a MapReduce algorithm for counting the occurrence no. of a “phrase” of n ordered words W1…Wn 直接使用(tid, did, pos)三元组 第二次作业 编程题 Write two C functions to encode and decode variable-byte integers. Write two C functions to encode and decode γ integers. (*) Write two C functions to encode and decode δ integers [Exercise 5.9]. 基本上都做的很好 编码理解有误 精简代码 第三次作业 第一题 Compute the vector space similarity between the query “digital cameras” and the document “digital cameras and video cameras” by filling out the empty columns in Table 6.1 (p132). Assume N = 10,000,000, logarithmic term weighting (wf columns) for query and document, idf weighting for the query only and cosine normalization for the document only. Treat and as a stop word. Enter term counts in the tf columns. Give the final similarity score. 第三次作业 第一题 query “digital cameras” document “digital cameras and video cameras” N = 10,000,000 查询 文档 d tf wf df idf q tf wf d q*d log(N/DF) wf*idf 1 + log(tf) normalize(wf) digital 1 1 10,000 log(1000)=3 3 1 1+log(1) =1 0.52 1.56 video 0 0 100,000 log(100)=2 0 1 1+log(1) =1 0.52 0 cameras 1 1 50,000 log(200)=2.3 2.3 2 1+log(2)= 1.3 0.68 1.564 第三次作业 第二题 We suggested that the postings for static quality ordering be in decreasing order of g(d). Why do we use the decreasing rather than the increasing order? How to do linear merge of postings with g(d)? Write a C function to present your idea. 忽略了did 未保持g(d)的顺序 第三次作业 第二题 第四次作业 第二题 在10000篇文档构成的文档集中，某个查询的相关文档总数为8，下面给出了某系统针对前20个有序结果的相关（R）和不相关（N）情况： RRNNN NNNRN RNNNR NNNNR A.前20篇文档的正确率：P = 6/20 = 30% B.前20篇文档的F1值：F1 = 2PR/(R+P) 其中R = 6/8，故F1 = 0.4286 第四次作业 第二题 RRNNN NNNRN RNNNR NNNNR C.在25%召回率水平上的插值正确率：100% D.在33%召回率水平上的插值正确率：36.4% 第四次作