1. 一种基于扩展查询似然模型的动态后继树索引裁剪方法,其特征在于:该方法依次包括以下步骤:(1)针对动态后继树索引结构,创建完整的动态后继树索引;
(2)依次遍历索引中每一篇文档包含的不同二元词项,提取索引统计信息;
(3)利用重要性评分公式:
,其中:
是二元词项 在文档 中的出现次数, 是二元词项 在文档集 中的出现次数,是文档集 的长度, 为文档 的长度, 为平滑因子;计算索引中的二元词项在其当前出现文档中的重要性评分,然后对二元词项进行排序;
(4)输入裁剪参数 、 ,让裁剪参数 依次分别和索引中与一篇文档关联的所有树叶信息的个数 进行比较、计算,控制动态后继树索引的裁剪规模,删除一篇文档中排序靠后的二元词项所对应的树叶信息;
(5)形成并输出裁剪后的动态后继树索引。
2. 根据权利要求1所述的基于扩展查询似然模型的动态后继树索引裁剪方法,其特征在于:所述的二元词项由树根词项和与树根词项直接关联的树叶词项组成的整体。
3. 根据权利要求1所述的基于扩展查询似然模型的动态后继树索引裁剪方法,其特征在于:所述的索引统计信息包括二元词项在每一篇文档中出现的次数、含有某一个二元词项的文档数目、二元词项在文档集中总的出现次数、每一篇文档的长度和文档集的总长度、与一篇文档关联的所有树叶信息的个数 。
4. 根据权利要求1所述的基于扩展查询似然模型的动态后继树索引裁剪方法,其特征在于:所述的步骤(4)输入裁剪参数 、 ,让裁剪参数 分别和索引中与一篇文档关联的所有树叶信息的个数 进行比较、计算,控制动态后继树索引的裁剪规模,删除一篇文档中排序靠后的二元词项所对应的树叶信息步骤为:①输入裁剪参数 ;
②若 ≤k,转步骤⑤;
③若 且 - >k,则裁剪掉排序靠后的 个树叶信息;
④若 且 - ≤k,则裁剪掉排序靠后的 -k个树叶信息;
⑤结束。