The second document has a higher sc

The second document has a higher score because it has a high weight for the first
term, which also has a high weight in the query. Even this simple example shows
that ranking based on the vector space model is able to reflect term importance
and the number of matching terms, which is not possible in Boolean retrieval.
In this discussion, we have yet to say anything about the form of the term
weighting used in the vector space model. Infact, many different weighting schemes
have been tried over the years. Most of these are variations on tf.idf weighting,
which was described briefly in Chapter 2. The term frequency component, tf, reflects
the importance of a term in a document Di (or query). This is usually computed
as a normalized count of the term occurrences in a document, for example
by

ผลลัพธ์ (ไทย) 1:

เอกสารสองได้คะแนนสูงขึ้นเนื่องจากมีน้ำหนักสูงสำหรับครั้งแรกระยะ ซึ่งมีน้ำหนักสูงในแบบสอบถาม แม้อย่างนี้ง่าย ๆ แสดงที่จัดอันดับจากแบบเวกเตอร์เป็นสิ่งสะท้อนให้เห็นถึงความสำคัญของระยะและจำนวนของเงื่อนไขตรงกัน ซึ่งเป็นไปไม่ได้ในการดึงบูลีนในการอภิปรายนี้ เรายังไม่ได้พูดอะไรเกี่ยวกับรูปแบบของคำน้ำหนักที่ใช้ในรูปแบบเวกเตอร์ มีแจ็คพ็อต น้ำหนักแตกต่างกันหลายแบบมีการพยายามในปี สิ่งต่าง ๆ เหล่านี้เปลี่ยนแปลงในน้ำหนัก tf.idfซึ่งถูกอธิบายไว้สั้น ๆ ในบทที่ 2 ส่วนประกอบความถี่ระยะ tf สะท้อนความสำคัญของคำในเอกสาร Di (หรือแบบสอบถาม) นี้มักจะคำนวณเป็นจำนวนเหตุการณ์ระยะในเอกสาร ตัวอย่างมาตรฐานโดย

ผลลัพธ์ (ไทย) 2:

เอกสารที่สองมีคะแนนที่สูงขึ้นเพราะมีน้ำหนักสูงเป็นครั้งแรก
ในระยะที่ยังมีน้ำหนักสูงในแบบสอบถาม แม้ตัวอย่างง่ายๆนี้แสดงให้เห็น
ว่าการจัดอันดับขึ้นอยู่กับพื้นที่แบบเวกเตอร์สามารถที่จะสะท้อนให้เห็นถึงความสำคัญในระยะ
และจำนวนคำที่ตรงกับที่เป็นไปไม่ได้ในการดึงบูลีน.
ในการสนทนานี้เรายังไม่ได้พูดอะไรเกี่ยวกับรูปแบบของคำว่า
น้ำหนักที่ใช้ในพื้นที่แบบเวกเตอร์ Infact หลายรูปแบบถ่วงน้ำหนักที่แตกต่างกัน
มีการพยายามในช่วงหลายปี ส่วนใหญ่เหล่านี้มีรูปแบบในการถ่วงน้ำหนัก tf.idf,
ซึ่งอธิบายสั้น ๆ ในบทที่ 2 องค์ประกอบความถี่ระยะลุยสะท้อนให้เห็นถึง
ความสำคัญของคำในเอกสาร Di (หรือแบบสอบถาม) เดอะ นี้มักจะคำนวณ
เป็นจำนวนปกติเกิดขึ้นในระยะในเอกสารตัวอย่างเช่น
โดย

ผลลัพธ์ (ไทย) 3:

เอกสารที่ 2 มีคะแนนสูงกว่าเพราะมีน้ำหนักสูง สำหรับครั้งแรกในระยะสั้น ซึ่งมีน้ำหนักมากในการ ตัวอย่างนี้แสดงให้เห็นถึงง่ายการจัดอันดับขึ้นอยู่กับว่าปริภูมิเวกเตอร์แบบ สามารถสะท้อนให้เห็นถึงความสำคัญของระยะและจำนวนที่ตรงกับเงื่อนไขที่เป็นไปไม่ได้ในการสืบค้นแบบบูลีน .ในการสนทนานี้ เรายังไม่ได้พูดเกี่ยวกับเรื่องรูปแบบของระยะน้ำหนักที่ใช้ในปริภูมิเวกเตอร์แบบ Infact , แผนการน้ำหนักที่แตกต่างกันมากได้พยายามมาหลายปี ส่วนใหญ่ของเหล่านี้เป็นรูปแบบใน tf.idf แทนที่ที่ได้รับการอธิบายสั้น ๆ ในบทที่ 2 ความถี่ระยะยาวส่วนประกอบ , TF , สะท้อนความสำคัญของระยะเวลาในเอกสารตี้ ( หรือแบบสอบถาม ) นี้มักจะคำนวณเป็นปกตินับคำว่าเหตุการณ์ในเอกสาร ตัวอย่างเช่นโดย