Besides, we assume that both the do

Besides, we assume that both the documents in the
index databases and the user queries are represented as
vectors.
For each document vector corresponding to a document,
the weight of
a term in the vector is defined as the raw
term frequency of the term divided by the maximum
raw term frequency among all the terms in the document. The similarity between any two vectors is the
cosine value between them, which is the two vectors’
dot product divided by their two corresponding norms.
If
x = (21, ..., x,) is a vector, the norm of x is usually
defined as
(x: + ... + xL) 3. When we cluster the documents, the similarity between two document vectors
is computed. Similarly, when we answer a user query,
the similarity between the query vector and
a document vector representing the document to be retrieved
is computed.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ เราคิดว่าทั้งเอกสารในการฐานข้อมูลดัชนีและการสอบถามผู้ใช้จะแสดงเป็นเวกเตอร์สำหรับแต่ละเวคเตอร์เอกสารที่สอดคล้องกับเอกสารน้ำหนักของมีกำหนดระยะในเวกเตอร์เป็นดิบระยะความถี่ของคำหารสูงสุดดิบระยะถี่ในเงื่อนไขทั้งหมดในเอกสาร ความเหมือนระหว่างสองเวกเตอร์ใด ๆ เป็นการ ค่าโคไซน์ระหว่างพวกเขา ซึ่งเป็นสองเวกเตอร์ ผลิตภัณฑ์จุดที่หาร ด้วยบรรทัดฐานสอดคล้องกันของสองถ้าx = (21,..., x,) เป็นพาหะ จะมีบรรทัดฐานของ x กำหนดเป็น(x: + ... + xL) 3. เมื่อเราคลัสเตอร์เอกสาร ความเหมือนระหว่างสองเอกสารเวกเตอร์ คำนวณ ในทำนองเดียวกัน เมื่อเราตอบแบบสอบถามผู้ใช้ความเหมือนระหว่างเวกเตอร์แบบสอบถาม และเวกเตอร์เอกสารแทนเอกสารที่ดึงคำนวณ

ผลลัพธ์ (ไทย) 2:

นอกจากนี้เราคิดว่าทั้งเอกสารใน
ฐานข้อมูลดัชนีและค้นหาผู้ใช้ที่มีการแสดงเป็น
พาหะ.
สำหรับแต่ละเวกเตอร์เอกสารที่สอดคล้องกับเอกสาร
น้ำหนักของ
คำในเวกเตอร์ถูกกำหนดให้เป็นดิบ
ความถี่ระยะเวลาของคำหารด้วย สูงสุด
ความถี่ระยะดิบในหมู่ทุกเงื่อนไขในเอกสาร ความคล้ายคลึงกันระหว่างสองเวกเตอร์เป็น
ค่าโคไซน์ระหว่างพวกเขาซึ่งเป็นสองเวกเตอร์ '
คูณจุดโดยแบ่งออกเป็นบรรทัดฐานสองของพวกเขาที่สอดคล้องกัน.
ถ้า
x = (21, ... , x) เป็นเวกเตอร์บรรทัดฐานของ x คือ มักจะ
กำหนดให้เป็น
(x + ... + xL) 3. เมื่อเรากลุ่มเอกสารที่คล้ายคลึงกันระหว่างสองเวกเตอร์เอกสาร
คำนวณ ในทำนองเดียวกันเมื่อเราตอบแบบสอบถามของผู้ใช้
ความคล้ายคลึงกันระหว่างเวกเตอร์แบบสอบถามและ
เวกเตอร์เอกสารที่เป็นตัวแทนของเอกสารที่จะดึงมา
คำนวณ

ผลลัพธ์ (ไทย) 3:

อีกอย่าง เราคิดว่าทั้งเอกสารในฐานข้อมูลดัชนีและผู้ใช้แบบสอบถามจะแสดงเป็นเวกเตอร์เวกเตอร์สำหรับแต่ละเอกสารที่สอดคล้องกับเอกสารน้ำหนักของคำเวกเตอร์หมายถึงวัตถุดิบระยะความถี่ของคำที่แบ่งโดยสูงสุดความถี่ของคำดิบเงื่อนไขทั้งหมดในเอกสาร ความคล้ายคลึงกันระหว่างสองเวกเตอร์คือโคไซน์มูลค่าระหว่างกัน ซึ่งสองเวกเตอร์ "จุดผลิตภัณฑ์หารด้วยสองบรรทัดฐานของตนที่สอดคล้องกันถ้าx = ( 21 , . . . , X ) เป็นเวกเตอร์ปกติของ X คือปกติหมายถึง( X : + . . . . . . . + XL ) 3 . เมื่อเรากลุ่มเอกสาร ความคล้ายคลึงกันระหว่างสองเอกสารเวกเตอร์จะคำนวณ . และในทำนองเดียวกัน เมื่อเราตอบผู้ใช้ร้องขอความเหมือนระหว่างแบบสอบถามและเวกเตอร์เอกสารเวกเตอร์ที่เป็นตัวแทนของเอกสารที่จะดึงข้อมูลจะคำนวณ .