向量模型 中文分词

信息检索的经典模型认为,每篇文献可以用一组有代表性的关键词即标引词集合来描述。标引词是文献中的词,其语义可以帮助理解文献的主题;因此,标引词常用于编制索引和概括文献的内容。用来描述文献内容的标引词应该是与文献内容密切相关的语词,我们可以为文献中的标引词定义一个权值(weight)来描述这种相关程度。 标引词加权原理和算法并编程实现