Что такое тошнота?

Поправлю - не число найденных пассажей, а число найденных терминов, и не вес пассажа, а вес термина.

К тому же ХРНС четко указывает на характер тошноты как фукнцию от частоты максимального термина.

Все остальные документные характеристики его модели агрегируются в понятии ВИЦ.

Не факт, что его ВИЦ - чистый параметр, т.е. классический ВИЦ, который расчитывается на основе информации о ссылках, его могут "засорять" другие документные характеристики, например длина документа в словах, которую по логике надо было бы добавить в тошноту.

К сожалению, загвоздка в том, что ВИЦ нам априори неизвестен, в отличие от других факторов (число терминов, вес термина и т.д.). Мы не можем его зафиксировать, не можем подобрать два документа с одинаковым ВИЦ'ем (конечно, чисто интуитивно мы можем предположить, что два документа с одинаковым набором входящих ссылок будут иметь одинаковый ВИЦ, но проверить это все равно не сможем) и т.д. Получается, что для "очищения" ВИЦ нам надо последовательно проверять гипотезы об учете различных документных характеристик, которые мы можем измерить.

Позвольте, позвольте, ... давайте разберемся. :)

Это подходит для однословника, если тройка и что-то не проходит кворум, запрос "слово1 слово2 слово3", а находится только "слово1 сслов2"? Поэтому и "найденных пассажей". Тоже самое и с весом пассажа, в том смысле, что вычисляется как-то по всем терминам, но в формулу релевантности в итоге входит как множитель.

Ничего подобного, это издержки его стиля документирования собственной методики, которая, кстати, не имеет целостного изложения, а фрагментарно разбросана по форуму. Тошнота - мера спамности, а нормировка спамности по самому частому слову - просто текущий используемый подход.

Во-первых, Хрнс использует понятие тулбарного вИЦ, т.е. логарифмического эквивалента ранга документа.

Во-вторых, и это очень важно, в контентную часть релевантности вводится элемент, определяющий ссылочный ранг документа, а в ссылочной части такового (ранга) нет. Думаю, что к такой модели пришли исходя из-за сравнительного анализа с логическим ИЛИ (ортогональные запросы).

В-третьих, что еще важней, :) наконец-то, сегодня Хрнс признал, что возможно применение нескольких подходов к расчету релевантности. Какие конкретные составляющие используются трудно предположить потому, что тот, кто пытался повторить расчеты, знают какой набор неопределенности возникает, когда начинаешь копаться и как хочется бывает надрать одно место этому Хренычу. :)

Для многословников тоже подходит с оговоркой, что речь идет о словах, вошедших в пассажи, прошедшие кворум. И вес пассажа - явно недостаточное определение. Ибо разные слова в пассаже будут иметь разный вес, т.к. у них, к примеру, разные IDF.

Не удивлюсь, если с разнообразием тестовых примеров количество подходов существенно возрастет. :)

Виталий, и Вам тоже жалко бесцельно потраченного времени? ;)

Пока еще не жалко, но уже на пределе терпения. :)

Похоже, потому, что явно не всё определено в модели. ;)

Говорил же я - давайте сначала определим переменные и константы...

Artlight, попробовал по приведённому Вами "Тошномеру" померить Яшу...

Какую-то билеберду этот "Тошномер" выдаёт. Многих слов вообще нет на сайте :-) Почему?

Это к nickspring вопрос, его сервис.

MarMih, потому что ip забанен. Да и вообще нафига яшу мерять ;) - на него с закладок ходят :).

nickspring, ОК! :-)))

кхм.... так о чем мы здесь?.... слушайте - а может, действительно "вода"? Вкусное, похмельное слово. :)