Recuperacao de Informacao

O que representa uma matriz termo-documento?

• Cada linha é um documento e cada coluna é um termo

• Cada célula mostra a similaridade entre documentos

• Cada linha é uma palavra e cada coluna é uma letra

• Representa as frases mais comuns entre documentos

Qual é a principal desvantagem da matriz termo-documento tradicional?

• É muito esparsa e consome muita memória

• Não armazena palavras

• Funciona apenas para números

• Não pode ser usada em Python

O que o índice invertido armazena?

• Os documentos onde cada termo aparece

• Os sinônimos de cada termo

• O tamanho de cada documento

• A posição dos parágrafos nos documentos

O que a Lei de Zipf nos diz?

• Poucos termos são muito frequentes, a maioria é rara

• Todos os termos têm a mesma frequência

• Termos curtos são mais informativos

• Termos raros devem ser removidos

Qual modelo penaliza documentos muito longos?

• BM25

• TF puro

• TF-IDF

• Modelo de espaço vetorial

O que é TF no contexto de TF-IDF?

• Frequência do termo em um documento

• Frequência de documentos por termo

• Tamanho do arquivo

• Número total de termos no corpus

Em qual caso o valor de TF-IDF será alto?

• Quando o termo é frequente no documento e raro no corpus

• Quando o termo é raro no documento e frequente no corpus

• Quando o termo é um número

• Quando o termo é uma stopword

Para que serve a tabela hash no índice invertido?

• Para acessar rapidamente os documentos de um termo

• Para compactar imagens

• Para medir a similaridade entre termos

• Para criptografar os textos