सूचनात्मक पुनर्प्राप्ति प्रणालियों के लिए स्थैतिक सूचकांक छाँटना

हम स्थैतिक सूचकांक छाँटने के तरीकों का परिचय देते हैं जो सूचनात्मक पुनर्प्राप्ति प्रणालियों में सूचकांक के आकार को महत्वपूर्ण रूप से कम करते हैं। हम समान और शब्द-आधारित तरीकों की जांच करते हैं जो प्रत्येक चयनित प्रविष्टियों को सूचकांक से निकालते हैं और फिर भी पुनर्प्राप्ति परिणामों पर केवल मामूली प्रभाव डालते हैं। समान छँटाई में, एक निश्चित कटऑफ थ्रेशोल्ड होता है, और सभी सूचकांक प्रविष्टियाँ जिनका योगदान प्रासंगिकता स्कोर में एक निश्चित थ्रेशोल्ड द्वारा ऊपर सीमित है, सूचकांक से हटा दी जाती हैं। शब्द-आधारित छंटाई में, प्रत्येक शब्द के लिए कटऑफ थ्रेशोल्ड निर्धारित किया जाता है, और इस प्रकार यह शब्द से शब्द में भिन्न हो सकता है। हम व्यावहारिक साक्ष्य प्रदान करते हैं कि प्रत्येक संकुचन स्तर के लिए, शब्द-आधारित छाँटना समान छाँटने की तुलना में बेहतर प्रदर्शन करता है, विभिन्न सटीकता मापों के तहत। हम सैद्धांतिक और प्रयोगात्मक सबूत प्रस्तुत करते हैं कि हमारे शब्द-आधारित छाँटने की योजना के तहत, सूचकांक को काफी हद तक छँटाना संभव है और फिर भी हमें पुनर्प्राप्ति परिणाम मिलते हैं जो पूर्ण सूचकांक पर आधारित परिणामों के समान अच्छे होते हैं।