没有链接的文档有哪些有用的排名算法？

Question

我查看了Algorithms of the Intelligent Web描述（第55页）一个有趣的算法 - 名为DocRank - 用于为商业文档创建PageRank得分（即没有PDF，MS Word文档等链接的文档）等等......）简而言之，它分析集合中每个文档之间的术语频率交集。

其他人是否可以识别其他地方描述的有趣算法，或者想在这里分享一些新颖的东西，以应用这些类型的文档来改善搜索结果？

请放弃涉及点击跟踪或其他操作不等有关分析实际文档的答案。

Answer 1

Answer 2

另一个有趣的算法 - TextRank - 听起来与原始问题中引用的DocRank非常相似。基于图形，无监督，迭代直到收敛。

Java implementation。

Answer 3

我对这个主题做了一些额外的研究，找到了Wikipedia entry for the Okapi BM25 algorithm。它还有一个将文档结构考虑在内的后续BM25F，但这似乎与HTML / XML更相关。

BM25合并：

1. 集合中的平均文档长度，
2. 特定文件的长度
3. 术语频率

最后，维基百科条目链接到Lucene implementation。

与@ Doug的上述答案相比，这似乎是一个更复杂的算法。

Answer 4

以下是一些排名算法，但我还没有看到任何实现。

• Fourier Domain Scoring
• 同一作者的另一种算法称为“ranking using cosine transforms”
• 其他如基于内容的排名，基于矢量的排名，信念修正网络，神经网络，概率排名原则。