大家好，今天小编关注到一个比较有意思的话题，就是关于搜索引擎和图像识别引擎的问题，于是小编就整理了2个相关介绍搜索引擎和图像识别引擎的解答，让我们一起看看吧。
搜索引擎识别信息的时候，抖音和抖音抖音抖音这两个词搜索抖音的时候谁的权重会更高？
谢邀，看完这篇文章后可能对你有所帮助。
我们知道，影响一个词在一篇文档中的重要性主要有两个因素：
1 term frequency (tf):该词在当前文档出现了多少次，tf越大，说明越重要。
2 document frequency (df):有多少文档包含该term,该词越大说明太普通了，越不重要。
比如solr一词在文档中出现次数很多，说明这篇这篇文档主要是跟solr有关的；那比如the this it which 诸如此类的词，也很多，但重要吗，很明显不重要，为什么？因为每一篇文档可能都有很多这样的词，所以这时候就是由df来决定了。
计算权重的公式如下：
Wt,d = tft,d * log(n / dft)
Wt,d：词在文档中的权重
tft,d：词在该文档中出现的频率次数
n: 文档总数
dft：包含这个词的文档的数量
当然，不同的系统可能有自己不同的实现。
VSM: 向量空间模型算法
1 我们把文档看做一系列的词
2 每一个词在文档中都有自己的权重
3 不同的词根据自己在文档中的权重来影响文档打分
4 我们把文档中词的权重看做一个向量：
Document Vector = {weight1, weight2, …… ,weight N}
5 我们把Query也用向量表示
Query Vector = {weight1, weight2, …… , weight N}
6 我们把搜索出来的文档向量和query向量放在一个N维空间，每一个term是一个维度。
7 我们认为两个向量之间的夹角越小，相关性越大。所以我们计算夹角的余弦值作为相关性的打分，夹角越小，余弦值越大，打分高，相关性越大
查询语句一般是很短的，包含的词(Term)是很少的，因而查询向量的维数很小，而文档很长，包含词(Term)很多，文档向量维数很大。你的图中两者维数怎么都是N呢？在这里，既然要放到相同的向量空间，自然维数是相同的，不同时，取二者的并集，如果不含某个词(Term)时，则权重(Term Weight)为0
举例子：
查询语句共有3个term, 文档共有5个term
计算2篇文档跟查询语句的相关性打分分别为：
得到的结果第二个比第一个大，所以返回的结果第二个排在第一个前面。
关注我不迷路，我是程序员小樊
百度搜索是什么鬼？有其它好的搜索引擎吗？
谢邀！
目前来看的话，排名第一的搜索引擎肯定是谷歌，如果能够找到方法使用谷歌搜索引擎的话，那么其实搜索的效果结果包括使用体验都会有一个质的提升，但如果找不到谷歌搜索引擎的话，那么目前可能大部分情况下只能忍受百度的搜索引擎了。
那么其他可以替代的目前有微软的必应搜索，淘宝的搜索以及360搜索加上搜狗的搜索引擎。其他产品可能本质上也附带一部分搜索功能，不过由于技术层面的原因，可能搜索的结果不够全面。
目前来看微软的必应搜索主要存在的问题还是在于搜索结果太少，基本上是很难满足用户的需求，而且我们一般搜索的东西可能都和相关的热点保持一致，这一点上来说必应搜索做的是非常差的，它的及时性做的很差。
对于360搜索以及搜狗搜索来说，从某一种层面上可以代替百度搜索，而搜索的结果相比于毕竟搜索来说也要丰富的多，同时广告相对来说能够少一些360搜索，虽然说此前表态不做医疗广告或者其他广告，但最终为了生存还是加上了。
搜狗的搜索引擎优势在于目前接入了微信以及知乎这样的产品内容，所以在搜索结果以及深度方面确实是比较出色。
无论是360搜索还是搜狗搜索，同样存在一个比较大的问题，就是产品的覆盖面结果的覆盖面不够广，这一点其实是除了百度之外搜索引擎的共通之处，也只有谷歌能够达到这样的水准。
当然我们知道如果能够使用谷歌的话，还是推荐使用谷歌的搜索引擎，在半年以前我还曾经表示百度在国内的搜索其实是有优势的，可仅仅半年之后百度的搜索引擎，就已经是处于断崖式的下跌，搜索结果的质量下跌之快令人难以想象。
如果现在我们再让谷歌入华的话，那么很有可能以摧枯拉朽之势就把百度击败了。
到此，以上就是小编对于搜索引擎和图像识别引擎的问题就介绍到这了，希望介绍关于搜索引擎和图像识别引擎的2点解答对大家有用。
