向量空间模型（Vector Space Model，VSM）是60年代末由Gerard Salton等人提出的。其中最为著名的应用该模型的检索系统是Smart系统。下面先介绍一下VSM模型的基本概念。

（1）文档（Document）：泛指一般的文献或文献中的片断（段落、句子组或句子），一般指一篇文章。

（2）项（Term）：当文档的内容被简单地看成是它含有的基本语言单位（字、词、词组或短语等）所组成的集合时，这些基本的语言单位统称为项，即文档可以用项集（Term List）表示为D（T1，T2,…,Tn），其中Tk是项，1≤k≤n。

（3）项的权重（Term Weight）：对于含有n个项的文档D（T1，T2，…，Tn)，项Ti常常被赋予一定的权重Wk，表示它们在文档中的重要程度，即D=D(T1，W1；T2，W2；…；Tn，Wn)，简记为D=D（W1，W2，…，Wn）。这时我们说项Tk的权重为Wk，1≤k≤n。

（4) 向量空间模型（VSM）：给定一文档D=D(T1，W1；T2，W2；…；Tn，Wn)，由于Tk在文档中既可以重复出现又应该有先后次序的关系，分析起来仍有一定的难度。为了简化分析，可以暂不考虑Tk在文档中的先后顺序并要求Tk互异(即没有重复）。这时可以把T1，T2，…，Tn，看成一个n维的坐标系，而W1，W2，…，Wn为相应的坐标值，因而D（W1，W2，…，Wn)被看成是n维空间中的一个向量（如图1中的D1，D2)。我们称D（W1，W2，…，Wn）为文档D的向量表示。

（5）相似度（Similarity）：两个文档D1和D2之间的（内容）·相关程度（Degree of Relevance）常常用它们之间的相似度Sim(D1，D2）来度量。当文档被表示为VSM，我们可以借助于向量之间的某种距离来表示文档间的相似度。常用向量之间的内积来计算：

或用夹角余弦值来表示：

如图1所示。

图1文档的向量空间模型(VSM)及文档间的相似度Sim(D1，D2)

责任编辑：admin