| Subset
problem |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| ¡ | Problem: If a
document consists is just a |
|||||||||||||
| subset of
another document, standard VS |
||||||||||||||
| model may show
low similarity |
||||||||||||||
| l | Example:
cosine (D1,D2) = .61 |
|||||||||||||
| D1:
<A, B, C>, |
||||||||||||||
| D2:
<A, B, C, D, E, F, G, H> |
||||||||||||||
| ¡ | Shivakumar and
Garcia-Molina (95): use |
|||||||||||||
| only close words
in VSM |
||||||||||||||
| l | Close = comparable
frequency, defined by a |
|||||||||||||
| tunable ε distance. |
||||||||||||||
