給定查詢列表並給出一個文檔，我想根據它們與給定文檔的相關程度對查詢進行排名。根據相關性對一個文檔排列多個查詢
對於每個查詢，我計算了查詢中每個單詞的詞頻。 （術語頻率定義爲單詞在文檔中出現的次數除以文檔中的單詞總數）
現在，我總結了查詢中每個術語的術語頻率。
例如：
search query: "Hello World"
document: "It is a beautiful world"
tf for 'Hello': 0
tf for 'World': 1/5 = 0.2
total tf for query 'Hello World' = 0 + 0.2 = 0.2
我的問題是，什麼是我的正常化詞頻每個查詢的最佳方式？所以長查詢不會導致較大的相關性分數。
而且，有沒有更好的方法讓我評分查詢，而不僅僅是使用tf分數？
我不能在我的場景中使用tf-idf，因爲我只對一個文檔進行排名。
在回答你的問題之前，我想糾正你對術語頻率的定義。您定義術語頻率的方式實際上稱爲maximum likelihood。
所以，我正在解釋你的第一個問題如下。
爲每個查詢規範最終分數（最大似然總和）的最佳方法是什麼？
一個簡單的方法是按查詢長度劃分得分，以便較長的查詢不會收到較高的得分。先進的技術也用於計算搜索引擎環境下的相關性分數。
有沒有比僅使用tf分數更好的方式來評分查詢？
是的，當然！衆所周知的廣泛使用的排名方法之一Okapi BM25可以在這裏用很少的修改。您可以將您的目標任務視爲排名問題。
因此，給定一個文檔，根據它們與文檔的相關性對一組查詢進行排序。
這是搜索引擎環境中衆所周知的問題。我鼓勵你參加任何大學的任何信息檢索課的講座。例如，這個lecture slide談論與您的需要一致的概率排名原則。
關於無法使用idf的說法，'我不能在我的場景中使用tf-idf，因爲我僅將它們排序爲僅針對一個文檔。'，你可以這樣做：
請記住，您的排名（可檢索）單位是查詢。因此，請考慮參考標準術語在文檔和查詢之間的角色逆轉。 換句話說，將您的查詢視爲僞文檔並將您的文檔視爲僞查詢。
然後，您可以應用整個範圍的排名模型，這些排名模型利用收集統計信息（通過查詢集計算），例如，語言模型，BM25，DFR等。