中国科学院大学现代信息检索课后习题答案.docx
《中国科学院大学现代信息检索课后习题答案.docx》由会员分享，可在线阅读，更多相关《中国科学院大学现代信息检索课后习题答案.docx（16页珍藏版）》请在冰豆网上搜索。
《信息检索导论》课后练习答案
王斌
最后更新日期2013/9/28
第一章布尔检索
习题1-1[*] 画出下列文档集所对应的倒排索引（参考图1-3中的例子）。
文档1newhomesalestopforecasts
文档2homesalesriseinjuly
文档3increaseinhomesalesinjuly
文档4julynewhomesalesrise
解答：
forecasts
------->
1
home
------->
1à
2à
3à
4
in
------->
2à
3
increase
------->
3
july
------->
2à
3à
4
new
------->
1à
4
rise
------->
2à
4
sales
------->
1à
2à
3à
4
top
------->
1
习题1-2[*] 考虑如下几篇文档：
文档1breakthroughdrugforschizophrenia
文档2newschizophreniadrug
文档3newapproachfortreatmentofschizophrenia
文档4newhopesforschizophreniapatients
a.画出文档集对应的词项—文档矩阵；
解答：
文档1
文档2
文档3
文档4
approach
0
0
1
0
breakthrough
1
0
0
0
drug
1
1
0
0
for
1
0
1
1
hopes
0
0
0
1
new
0
1
1
1
of
0
0
1
0
patients
0
0
0
1
schizophrenia
1
1
1
1
treatment
0
0
1
0
b.画出该文档集的倒排索引（参考图1-3中的例子）。
解答：
参考a。
习题1-3[*] 对于习题1-2中的文档集，如果给定如下查询，那么返回的结果是什么？
a.schizophreniaANDdrug
解答：
{文档1，文档2}
b.forANDNOT（drugORapproach）
解答：
{文档4}
习题1-4[*]对于如下查询，能否仍然在O（x+y）次内完成？
其中x和y分别是Brutus和Caesar所对应的倒排记录表长度。
如果不能的话，那么我们能达到的时间复杂度是多少？
a.BrutusANDNOTCaesar
b.BrutusORNOTCaesar
解答：
a.可以在O（x+y）次内完成。
通过集合的减操作即可。
具体做法参考习题1-11。
b.不能。
不可以在O（x+y）次内完成。
因为NOTCaesar的倒排记录表需要提取其他所有词项对应的倒排记录表。
所以需要遍历几乎全体倒排记录表，于是时间复杂度即为所有倒排记录表的长度的和N，即O（N）或者说O（x+N-y）。
习题1-5[*]将倒排记录表合并算法推广到任意布尔查询表达式，其时间复杂度是多少？
比如，对于查询
c.（BrutusORCaesar）ANDNOT（AntonyORCleopatra）
我们能在线性时间内完成合并吗？
这里的线性是针对什么来说的？
我们还能对此加以改进吗？
解答：
时间复杂度为O（qN），其中q为表达式中词项的个数，N为所有倒排记录表长度之和。
也就是说可以在词项个数q及所有倒排记录表长度N的线性时间内完成合并。
由于任意布尔表达式处理算法复杂度的上界为O（N），所以上述复杂度无法进一步改进。
习题1-6[**] 假定我们使用分配律来改写有关AND和OR的查询表达式。
12
a.通过分配律将习题1-5中的查询写成析取范式；
b.改写之后的查询的处理过程比原始查询处理过程的效率高还是低？
c.上述结果对任何查询通用还是依赖于文档集的内容和词本身？
解答：
a.析取范式为：
（BrutusAndNotAnthonyAndNotCleopatra）OR（CaesarANDNOTAnthonyANDNOTCleopatra）
b.这里的析取范式处理比前面的合取范式更有效。
这是因为这里先进行AND操作（括号内），得到的倒排记录表都不大，再进行OR操作效率就不会很低。
而前面需要先进行OR操作，得到的中间倒排记录表会更大一些。
c.上述结果不一定对，比如两个罕见词A和B构成的查询（AORB）ANDNOT（HONGORKONG），假设HONGKONG一起出现很频繁。
此时合取方式可能处理起来更高效。
如果在析取范式中仅有词项的非操作时，b中结果
不对。
习题1-7[*] 请推荐如下查询的处理次序。
d.（tangerineORtrees）AND（marmaladeORskies）AND（kaleidoscopeOReyes）
其中，每个词项对应的倒排记录表的长度分别如下：
词项 倒排记录表长度
eyes 213312
kaleidoscope 87009
marmalade 107913
skies 271658
tangerine 46653
trees 316812
解答：
由于：
（tangerineORtrees）è46653+316812=363465
（marmaladeORskies）è107913+271658=379571
（kaleidoscopeOReyes）è87009+213312=30321
所以推荐处理次序为：
（kaleidoscopeOReyes）AND（tangerineORtrees）AND（marmaladeORskies）
习题1-8[*]对于查询
e.friendsANDromansAND（NOTcountrymen）
如何利用countrymen的文档频率来估计最佳的查询处理次序？
特别地，提出一种在确定查询顺序时对逻辑非进行处理的方法。
解答：
令friends、romans和countrymen的文档频率分别为x、y、z。
如果z极高，则将N-z作为NOTcountrymen的长度估计值，然后按照x、y、N-z从小到大合并。
如果z极低，则按照x、y、z从小到大合并。
习题1-9[**] 对于逻辑与构成的查询，按照倒排记录表从小到大的处理次序是不是一定是最优的？
如果是，请给出解释；如果不是，请给出反例。
解答：
不一定。
比如三个长度分别为x,y,z的倒排记录表进行合并，其中x>y>z，如果x和y的交集为空集，那么有可能先合并x、y效率更高。
习题1-10[**] 对于查询xORy，按照图1-6的方式，给出一个合并算法。
解答：
1answer<-（）
2whilep1!
=NILandp2!
=NIL
3doifdocID（p1）=docID（p2）
4then ADD（answer,docID（p1））
5 p1<-next（p1）
6 p2<-next（p2）
7elseifdocID（p1）8then ADD（answer,docID（p1））
9p1<-next（p1）
10else ADD（answer,docID（p2））
11 p2<-next（p2）
12ifp1!
=NIL//x还有剩余
13thenwhilep1!
=NILdoADD（answer,docID（p1））
14elsewhilep2!
=NILdoADD（answer,docID（p2））
15return（answer）
习题1-11[*]如何处理查询xANDNOTy？
为什么原始的处理方法非常耗时？
给出一个针对该查询的高效合并算法。
解答：
由于NOTy几乎要遍历所有倒排表，因此如果采用列举倒排表的方式非常耗时。
可以采用两个有序集合求减的方式处理xANDNOTy。
算法如下：
Meger（p1,p2）
1 answer（）
2 whilep1!
=NILandp2!
=NIL
3 doifdocID（p1）=docID（p2）
4 then p1ßnext（p1）
5 p2ßnext（p2）
6 elseifdocID（p1）7 then ADD（answer,docID（p1））
8 p1ßnext（p1）
9 else ADD（answer,docID（p2））
10 p2ßnext（p2）
11 ifp1!
=NIL//x还有剩余
12 thenwhilep1!
=NILdoADD（answer,docID（p1））
13 return（answer）
习题1-12[*] 利用Westlaw系统的语法构造一个查询，通过它可以找到professor、teacher或lecturer中的任意一个词，并且该词和动词explain在一个句子中出现，其中explain以某种形式出现。
解答：
professorteacherlecturer/sexplain!
习题1-13[*] 在一些商用搜索引擎上试用布尔查询，比如，选择一个词（如burglar），然后将如下查询提交给搜索引擎
（i）burglar；（ii）burglarANDburglar；（iii）burglarORburglar。
对照搜索引擎返回的总数和排名靠前的文档，这些结果是否满足布尔逻辑的意义？
对于大多数搜索引擎来说，它们往往不满足。
你明白这是为什么吗？
如果采用其他词语，结论又如何？
比如以下查询
（i）knight；（ii）conquer；（iii）knightORconquer。
第二章词汇表和倒排记录表
习题2-1[*] 请判断如下说法是否正确。
a.在布尔检索系统中，进行词干还原从不降低正确率。
b.在布尔检索系统中，进行词干还原从不降低召回率。
c.词干还原会增加词项词典的大小。
d.词干还原应该在构建索引时调用，而不应在查询处理时调用。
解答：
a错b对c错d错
习题2-7[*] 考虑利用如下带有跳表指针的倒排记录表
和一个中间结果表（如下所示，不存在跳表指针）进行合并操作。
3 5 89 95 97 99 100 101
采用图2-10所示的倒排记录表合并算法，请问：
a.跳表指针实际跳转的次数是多少（也就是说，指针p1的下一步将跳到skip（p1））？
一次，24—>75
b.当两个表进行合并时，倒排记录之间的比较次数是多少？
【如下答案不一定正确，有人利用程序计算需要21次，
升级会员 