相关度当然跟字与字之间的距离有关； 有兴趣可以找看看 tf-idf、information theory的论文来看。 比如说 I went to Yankee Stadium, where the baseball history lives.这句话， baseball 跟Yankee的关系强不强呢？在information theory的角度来看， 这个字的相关性在三个字之间，当然比 "baseball team Yankees" 来得低； 不过要比起两个句子分别提到，当然还是重要很多。 还有，Mariah Carey应该会是字典里的字，作POS时应该要抓出来的。 如果你问的是information retrieveal，那问题应该是tokenize； 有没有一个好的dictionary， 怎麽作part-of-speech当然是很困难的； 因为中文没有欧美语系的字间间隔，所以要怎麽判定这是字/词自然困难很多； 其实类似的问题德文也有；德文也有组合字的文法， 不过作decompound当然比中文整个tokenize来得简单多了。 解决之道？我如果能全部解决里面的问题，我早就去Google了...。 XD ※ 引述《chive (上!上!上!)》之铭言： : 不知道适不适合在此发问，不适合将自删 : ------------------------------------- : 1. Blog, 网摘（社会书签）,Flickr...etc. : 都有提供 tag（标签）的功能，通常每个标签间以空一格来区分， : 如果是外国人名呢？ Ex:Mariah Carey， : 这样是算两个标签（Mariah 和 Carey）还是一个（Mariah Carey）呢？ : 如果是前者只要标签有 Mariah 或 Carey的结果都会被搜寻出， : 搜寻结果不是变多了但是相关度降低吗？ : 2. 在资讯检索时，中文搜寻的缺点「断字」（不确定是不是这麽说）， : 是什麽意思？解决之道？ : (我用google搜寻过了，但是还是一头雾水) : 谢谢。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 24.6.214.146