亚洲免费观看视频一区二区三区,国产中文字幕在线观看免费

只考慮剩下的有實(shí)際意義的詞，如果文章中詞頻數(shù)關(guān)系： “Blink” > “詞頻” = “總結(jié)”，那么肯定是 Blink 是這篇文章更重要的關(guān)鍵字。但又會(huì)遇到了另一個(gè)問題，如果發(fā)現(xiàn) "Blink"、"實(shí)戰(zhàn)"、"總結(jié)"這三個(gè)詞的出現(xiàn)次數(shù)一樣多。這是不是意味著，作為關(guān)鍵詞，它們的重要性是一樣的？
不是的，通過統(tǒng)計(jì)全部博客，你發(fā)現(xiàn) 含關(guān)鍵字總博客數(shù)： “Blink” < “實(shí)戰(zhàn)” < “總結(jié)”，這時(shí)候說明 “Blink” 不怎么常見，一旦出現(xiàn)，一定相比 “實(shí)戰(zhàn)” 和 “總結(jié)”，對這篇文章的重要性更大。
BM25
上面解釋了 TF 和 IDF，那么 TF 和 IDF 誰更重要呢，怎么計(jì)算最終的相關(guān)性得分呢？那就是 BM25 。
BM25算法，通常用來作搜索相關(guān)性平分。一句話概況其主要思想：對Query進(jìn)行語素解析，生成語素qi；然后，對于每個(gè)搜索結(jié)果D，計(jì)算每個(gè)語素qi與D的相關(guān)性得分，最后，將qi相對于D的相關(guān)性得分進(jìn)行加權(quán)求和，從而得到Query與D的相關(guān)性得分。
BM25算法的一般性公式如下：

其中，Q表示Query，qi表示Q解析之后的一個(gè)語素（對中文而言，我們可以把對Query的分詞作為語素分析，每個(gè)詞看成語素qi 。）；d表示一個(gè)搜索結(jié)果文檔；Wi表示語素qi的權(quán)重；R(qi，d)表示語素qi與文檔d的相關(guān)性得分。
其中 Wi 通常使用 IDF 來表達(dá)，R 使用 TF 來表達(dá)；綜上，BM25算法的相關(guān)性得分公式可總結(jié)為：

BM25 通過使用不同的語素分析方法、語素權(quán)重判定方法，以及語素與文檔的相關(guān)性判定方法，我們可以衍生出不同的搜索相關(guān)性得分計(jì)算方法，這就為我們設(shè)計(jì)算法提供了較大的靈活性。
Part 4、空間索引在點(diǎn)評口碑上，經(jīng)常有類似的場景，搜索 “1公里以內(nèi)的美食”，那么這個(gè)1公里怎么實(shí)現(xiàn)呢？
【深入搜索引擎原理搜索引擎其實(shí)也是一個(gè)什么系統(tǒng)】在數(shù)據(jù)庫中可以通過暴力計(jì)算、矩形過濾、以及B樹對經(jīng)度和維度建索引，但這性能仍然很慢(可參考為什么需要空間索引 ) 。搜索里用了一個(gè)很巧妙的方法，Geo Hash 。

如上圖，表示根據(jù) GeoHash 對北京幾個(gè)區(qū)域生成的字符串，有幾個(gè)特點(diǎn)：

一個(gè)字符串，代表一個(gè)矩形區(qū)域
字符串越長，表示的范圍越精確 (長度為8時(shí)精度在19米左右，而當(dāng)編碼長度為9時(shí)精度在2米左右)
字符串相似的，表示距離相近（這就可以利用字符串的前綴匹配來查詢附近的POI信息)

Geo Hash 如何編碼？地球上任何一個(gè)位置都可以用經(jīng)緯度表示，緯度的區(qū)間是 [-90, 90]，經(jīng)度的區(qū)間 [-180, 180] 。比如天安門的坐標(biāo)是 39.908,116.397，整體編碼過程如下：
一、對緯度 39.908 的編碼如下：

將緯度劃分2個(gè)區(qū)間，左區(qū)間 [-90, 0) 用 0 表示，右區(qū)間 [0, 90] 用 1 表示，39.908 處在右區(qū)間，故第一位編碼是 1；
在將 [0, 90] 劃分2個(gè)區(qū)間，左區(qū)間 [0, 45) 用 0 表示，右區(qū)間 [45, 90] 用 1 表示，39.908處在左區(qū)間，故第二位編碼是 0；
同1、2的計(jì)算步驟，39.908 的最后10位編碼是 “10111 00011”

二、對經(jīng)度 116.397 的編碼如下：