信息检索 (IR) 中的稀疏向量是大多数元素为零或空的向量。稀疏向量通常用于表示文本数据,其中在任何给定文档中仅存在术语 (特征) 的小子集。在传统的IR模型中,通常使用诸如词频 (TF) 或tf-idf之类的技术来生成稀疏向量,其中每个维度对应于词汇表中的特定术语。
例如,在文档-术语矩阵中,大多数值将为零,因为每个文档仅包含整个词汇表中的少量唯一单词。稀疏向量在存储和计算方面是高效的,因为它们仅存储非零值及其索引。
虽然稀疏向量在传统的基于关键字的IR系统中是有效的,但它们可能无法捕获语义关系以及密集向量。但是,它们仍然广泛用于关键字搜索和文档分类等任务,其中显式术语匹配很重要。