1. 為什麼概率模型？
直觀上，乙個ir系統不可能給出乙個確定的答覆：乙個文件是否滿足乙個查詢？ 就算是人類，也不能給出這樣確定的回答。因此，需要進行不確定性地判斷。而概率理論正是進行不確定性推理的理論。
概率方法既是最古老的資訊獲取方法之一，也是當前最熱門的資訊獲取方法之一。
2. 跟別的模型的比較
布林模型不支援對文件集合的排序。
向量空間模型基於文件與查詢的相似度，進行排序。而相似度並不是相關度。最相似的文件可能高度相關，也可能完全無關（？）。而概率模型是對相關程度的更清晰的定義。
3. 需要使用的概率論基礎
4. 基於概率的文件排序原理
4.1 基於概率的相關程度公式及其推導過程
公式（4）表示文件x與查詢q相關的概率，其中x和q都是建立在term上的向量。
公式（5）表示文件x與查詢q不相關的概率。
公式（6）組合公式（4）和公式（5），用來計算文件x與查詢q的相關程度。
公式（7）是公式（6）中隨文件x變化的部分，公式（6）中的其餘部分，對於給定乙個查詢q來說，都是常量。
公式（8）基於公式（7），給出最終用來計算文件x與查詢q相關程度的公式。
4.2 計算公式（8）
其中，
機器學習筆記 概率生成模型
假設有兩類資料，每一類都有若干個樣本 概率生成模型認為每一類資料都服從某一種分布，如高斯分布 從兩類訓練資料中得到兩個高斯分布的密度函式，具體的是獲得均值和方差兩個引數 測試樣本輸入到其中乙個高斯分布函式，得到的概率值若大於0.5，則說明該樣本屬於該類，否則屬於另一類。演算法的核心在於獲取分布函式的...
概率之結構化概率模型
結構化概率模型 structured probabilistic model 也稱為圖模型 graphical model 是指使用圖論中的 圖 的概念來描述概率分布的分解。有兩種主要的圖模型 有向圖和無向圖。兩種圖模型都使用圖 有向 directed 模型使用帶有有向邊的圖，它們用條件概率分布來表...
概率期望學習筆記
由於自己初學概率期望,學的都是簡單題，就不分開寫部落格了.非常入門的概率期望題目。但因為題目意思比較噁心.一共有 2 n 個鞋頭，第 i 次操作前還有 2 n i 1 2 個鞋頭，由於我們選出乙個後,它不能和自己綁,也不能和和它在同一條鏈上的綁。所以 include include includeu...