给定查询列表并给出一个文档，我想根据它们与给定文档的相关程度对查询进行排名。根据相关性对一个文档排列多个查询
对于每个查询，我计算了查询中每个单词的词频。 （术语频率定义为单词在文档中出现的次数除以文档中的单词总数）
现在，我总结了查询中每个术语的术语频率。
例如：
search query: "Hello World"
document: "It is a beautiful world"
tf for 'Hello': 0
tf for 'World': 1/5 = 0.2
total tf for query 'Hello World' = 0 + 0.2 = 0.2
我的问题是，什么是我的正常化词频每个查询的最佳方式？所以长查询不会导致较大的相关性分数。
而且，有没有更好的方法让我评分查询，而不仅仅是使用tf分数？
我不能在我的场景中使用tf-idf，因为我只对一个文档进行排名。
在回答你的问题之前，我想纠正你对术语频率的定义。您定义术语频率的方式实际上称为maximum likelihood。
所以，我正在解释你的第一个问题如下。
为每个查询规范最终分数（最大似然总和）的最佳方法是什么？
一个简单的方法是按查询长度划分得分，以便较长的查询不会收到较高的得分。先进的技术也用于计算搜索引擎环境下的相关性分数。
有没有比仅使用tf分数更好的方式来评分查询？
是的，当然！众所周知的广泛使用的排名方法之一Okapi BM25可以在这里用很少的修改。您可以将您的目标任务视为排名问题。
因此，给定一个文档，根据它们与文档的相关性对一组查询进行排序。
这是搜索引擎环境中众所周知的问题。我鼓励你参加任何大学的任何信息检索课的讲座。例如，这个lecture slide谈论与您的需要一致的概率排名原则。
关于无法使用idf的说法，'我不能在我的场景中使用tf-idf，因为我仅将它们排序为仅针对一个文档。'，你可以这样做：
请记住，您的排名（可检索）单位是查询。因此，请考虑参考标准术语在文档和查询之间的角色逆转。 换句话说，将您的查询视为伪文档并将您的文档视为伪查询。
然后，您可以应用整个范围的排名模型，这些排名模型利用收集统计信息（通过查询集计算），例如，语言模型，BM25，DFR等。