関口宏司のLuceneブログ

こんにちは。
大学で情報検索について研究しながら本（lucene入門）を買って少しずつ勉強しているものです。luceneのスコア計算（Similarity class）について質問があります。
本によると、Luceneのスコア計算はベクトルの余弦の計算を基本にしていると書かれていてtf・idf^2の計算までは数学的に理解しました。検索語ベクトルの表現においてtfはどうせ１なので、そのままtfであって、idfによって重みつけられ、他の文書との余弦計算を行うためにidf^2になるというところまでは理解できました。
しかし、getBoost(t in q)の検索語に重みをつけるところが数学的によく理解ができません（計算式でのシグマ（tf・idf^2・getBoost(t in q)・lengthNorm(t.field in d)）の部分）。スコア計算の説明だけみると理解ができますが、数学的に理解ができません。
余弦の計算を行うために分子は検索語ベクトルと文書ベクトルの内積をluceneでも計算していると思うのですが、getBoost(t in q)は一体、どのように理解すればよいのでしょうか？スカラー倍でもないと思いますが。。。よく理解ができなく質問をします。
どうか、アドバイスお願いします。

こんばんは。

> 大学で情報検索について研究しながら本（lucene入門）を買って少しずつ勉強しているものです。

恐縮です。

私もすべて理解している訳ではなく、・・・スコア計算はそれぞれの検索エンジンが特色を出して計算すればよく、LuceneではSimilarityクラスできちんと説明されているので、数学的な面よりもそれぞれの項目を私の理解とLuceneのメーリングリストでDoug Cutting氏の断片的な発言を総合して記述しました。

今度Luceneに注目している検索エンジン屋さんにお会いするので、意見を聞いてみます。

ぜひ、お願いします。＾＾

name:

email:

url:

comments:


Cookieに登録

http://lucene.jugem.jp/trackback/268