Вероятностная модель релевантности

Вероятностная модель релевантности была разработана Стивеном Э. Робертсоном и Карен Сперк Джонс как основа для вероятностных моделей будущих . Это формализм поиска информации, полезный для получения функций ранжирования, используемых поисковыми системами и поисковыми системами в Интернете для ранжирования совпадающих документов в соответствии с их релевантностью данному поисковому запросу.

Это теоретическая модель, оценивающая вероятность того, что документ d _j соответствует запросу q . Модель предполагает, что эта вероятность релевантности зависит от представления запроса и документа. Более того, предполагается, что существует часть всех документов, которую пользователь предпочитает в качестве набора ответов для запроса q . Такой идеальный набор ответов называется R и должен максимизировать общую вероятность релевантности этому пользователю. Прогнозируется, что документы в этом наборе R релевантны запросу, а документы, отсутствующие в наборе, нерелевантны.

$sim(d_{j},q)={\frac {P(R|{\vec {d}}_{j})}{P({\bar {R}}|{\vec {d}}_{j})}}$

Сопутствующие модели

У этой структуры есть некоторые ограничения, которые необходимо устранить при дальнейшей разработке:

• Точная оценка вероятности первого запуска не существует.
• Индексные термины не взвешиваются
• Термины предполагаются взаимонезависимыми.

Для решения этих и других проблем на основе теории вероятностной релевантности были разработаны другие модели, в том числе модель двоичной независимости того же автора. Наиболее известной производной этой схемы является схема взвешивания Окапи (BM25) , а также ее модификация BM25F.