上下文分析查询扩展

共现度量：我们假设好的扩展概念更易在top-ranked的文档中出现。但是我们必须随机计算共现率。对于一个概念c，与查询项w_i随机共现。概念c的频度越高，与w_i共现的可能性越大。N表示C包含的文档数目，N_c表示包含c的文档数目，co(c, w_i)表示c和w_i在S中共现的数目。我们提出如下的测量公式来计算c和w_i的共现度：

 

 

 

         其中tf(c, d)和tf(w_i, d)分别是c和w_i在文档d中的频度。公式考虑了c在文档集中的频度（idf(c)）和c和w_i在top-ranked集合中的共现（co(c, w_i)）。

         我们指出对idf的定义与标准定义idf(c)=log₁₀(N/N_c)不同。我们的算法对idf(c)限制上限。任何出现频率小于等于1/100, 000的概念的idf被置为1。

 

         区别常用和罕见的查询项：明显的，所有的查询项不是等重要的。普遍认为罕见的查询项通常更重要。得到如下公式：

 

 

 

         总的说来，上下文分析用如下的步骤扩展查询Q，基于文档集合C：

1.       在C中用Q检索得到top-ranked集合S；

2.       评级S中的概念，用公式f(c, Q)；

3.       用评分最高的k个概念扩展Q。

 

 

来自：Improving the Effectiveness of Information