申論題

四、在有 N 篇文長近似的文件（如 N 篇摘要，都約 300 詞）的全文檢索系統 中，索引詞彙 T 在每一篇文件都有其權重。最簡單的詞彙權重設定方式 是布林（Boolean）邏輯方式，亦即詞彙 T 出現在文件 D，則其權重為 1， 若沒出現在文件 D 則其權重為 0。另一種詞彙權重設定方式為 TF x IDF， 亦即：T 出現在 D 的次數（或是正規化後之詞頻，TF）「乘以」T 在 N 篇文件中出現篇數的倒數（或是正規化後之文件篇數倒數，IDF）。請說 明並比較布林權重、TF、IDF 及 TF x IDF 等四種權重方式，對相關文件 排序的影響。（25 分）