顺序栈、链栈基本操作

在搜索时，当我们有多个搜索结果时，我们需要对结果进行排序，这里讲的是如何对结果进行评分，从而进行排序。

1.1.       Content-Based Ranking

1.1.1.      Word Frequence

通常所说的词频，根据关键字的出现次数来评分。出现次数越多分数越高。分数越高表示与搜索越相关。

1.1.2.      Document Location

根据关键字出现位置来评分。关键字出现的越靠前分值越高。分数越高表示与搜索越相关。

1.1.3.      Word Distance

假定用户有多个搜索关键字，关键字1在文档的出现位置为P1，关键字2在文档的出现位置为P2，那么Word Distance就是|P2-P1|。该值越小表示与搜索越相关。

 

1.2.       Inbound-Link Ranking

1.2.1.      Simple Count

根据一个页面的链入连接数来评分。链入数越多分数越高。分数越高表示与搜索越相关。

1.2.2.      PageRank

假定网络拓扑如下：

 

PR(A) = 0.15 + 0.85 * (PR(B)/links(B) + PR(C)/links(C) + PR(D)/links(D))

= 0.15 + 0.85 * (0.5/4 + 0.7/4 + 0.2/1)

      = 0.5425

 

0.85是一个统计值，称为Damping Factor。表示一个用户会点击某个页面上的链接的概率。

PR(X)表示页面X的PageRank。

Links(X)表示页面X的链出数。

 

1.2.3.      Link Text

如果页面A有到页面B的链接，并且链接上的说明文字包含了搜索中的关键字，则页面A的PageRank将加到页面B的PageRank上。

 

1.3.       神经网络