在信息检索中，以下哪个概念描述的是用户输入的查询词与数据库中的相关文档之间的匹配程度

文档评分。

信息检索中的文档评分

• 文档评分定义：文档评分是信息检索中一个核心的环节，它衡量了查询与文档之间的匹配程度4。
• 评分方法：常见的文档评分方法包括基于概率模型的方法、基于词项共现的方法以及基于语义的方法4。
• 评分目的：评分的目的是为了按相关性对搜索结果进行排序，帮助用户更快地找到他们需要的信息4。

相关概念

• 词频(Term Frequency, TF)：词频算法用于确定查询与文档的匹配程度，以便按相关性对搜索结果进行排序5。
• TF-IDF：TF-IDF（词频-逆文档频率）用于评估词对于一个文档集或一个语料库中的其中一份文档的重要性7。
• 向量空间模型(Vector Space Model, VSM)：向量空间模型是信息检索中的一种模型，它将文档和查询表示为向量，并通过计算向量之间的相似度来衡量文档与查询的匹配程度8。

计算方法

• 相似度计算：计算文档的相似性可以采用Cosine计算定义，实际上是求文档在t维空间中查询词向量和文档向量的夹角，越小越相似3。
• 特征权重：对于特征权重，可以采用Tf*IDF框架，Tf是词频，IDF是逆文档频率，两者相乘得到特征权重3。