1.一种基于三重词频方案的Ad‑hoc信息检索模型，其特征在于，所述检索模型的构建包括以下步骤：步骤一、计算LTF、RTF和PTF排名函数，并进行归一化处理，得到它们相应的表示函数TF1、TF2和TF3；其中，LTF表示长度正则化的词项频率；RTF表示相对文档内词项频率；PTF表示基于接近度的词项频率；

步骤二、对TF1、TF2和TF3函数进行线性组合，基于TF1、TF2和TF3函数线性组合结果，得到检索模型；

所述步骤一中进行归一化处理时，使用的归一化函数为f(x)＝x/(1+x)，其中x表示LTF、RTF和PTF排名函数的其中一个，f(x)表示相应的表示函数TF1、TF2或TF3；

所述步骤一中，将LTF排名函数归一化处理得到表示函数TF1，操作步骤如下：LTF排名函数表示为：

其中，LTF(t,D)表示长度正则化的词项频率；D表示文档；t表示文档D中的词项；tf(t,D)表示文档D中词汇t的频率；avdl指给定文献集合C中的平均文档长度；|D|表示文档的长度；

使用函数f(x)＝x/(1+x)来归一化LTF(t,D)，则有：TF1(t，D)＝LTF(t，D)/(1+LTF(t，D))            (2)其中，TF1(t,D)表示规范化后的长度正则化的词项频率；

所述步骤一中，将RTF排名函数归一化处理得到表示函数TF2，具体操作如下：RTF排名函数表示为：

其中，RTF(t,D)表示相对文档内词项频率；D表示文档；t表示文档D中的词项；tf(t,D)表示文档D中词汇t的频率；avgtf(D)表示文档D的平均词频；

使用函数f(x)＝x/(1+x)来归一化RTF(t,D)，则有：TF2(t，D)＝RTF(t，D)/(1+RTF(t，D))                   (4)其中，TF2(t,D)表示规范化后的相对文档内词项频率；

所述步骤一中，将PTF排名函数归一化处理得到表示函数TF3，具体操作如下：PTF排名函数公式为：

PTF(t，D)＝∑q∈Q，q≠t，Prox(t，q，D)                   (5)其中，Q表示查询,q表示Q中的一个查询词项；PTF(t,D)表示基于接近度的词项频率；D表示文档；t表示文档D中的词项；

Prox(t,q,D)表示文档D中词项t和查询词项q之间的接近程度，公式为：其中，dist(t,q,D)是文档D中词项t和查询词项q之间的距离，σ是一个归一化参数；

使用函数f(x)＝x/(1+x)来归一化PTF(t,D)，则有：TF3(t，D)＝PTF(t，D)/(1+PTF(t，D))           (8)TF3(t,D)表示规范化后的基于接近度的词项频率；

所述步骤二的具体操作步骤如下：

步骤(1)、使用查询长度因子ω＝2/[1+log2(1+|Q|)]来组合TF1和TF2，得到：TF(1，2)(t，D)＝(1‑ω)·TF1(t，D)+ω·TF2(t，D)                 (9)其中，D表示文档；t表示文档D中的词项；ω表示查询长度因子；TF1(t,D)表示规范化后的长度正则化的词项频率；TF2(t,D)表示规范化后的相对文档内词项频率；

步骤(2)、然后将TF(1,2)(t,D)与TF3线性组合，生成以下结果：TFtri(t，D)＝(1‑λ)·(TF(1，2)(t，D))+λ·TF3(t，D)     (10)其中，λ表示TF(1,2)(t,D)与TF3线性组合的权重系数，取值范围[0,1]；

步骤(3)、通过以下式对IDF进行优化改进，得到TDF：其中，IDF(t)表示逆文档频率，定义为log2[(N‑n(t)+0.5)/(n(t)+0.5)]，其中N是文献集合中的文档数，n(t)是包含t的文档数；ctf(t)表示t在文献集合中的频率；TDF(t)表示改进后的IDF(t)；

步骤(4)、结合TF1、TF2和TF3函数线性组合结果和优化改进后的逆文档频率，得到检索模型：Score(Q，D)＝t∈QTFtri(t，D)·TDF(t)            (12)其中，Score(Q,D)表示得到的检索模型；TFtri(t,D)表示TF(1,2)(t,D)与TF3线性组合；

TDF(t)表示改进后的IDF(t)。

2.根据权利要求1所述的基于三重词频方案的Ad‑hoc信息检索模型，其特征在于，通过添加查询项的IDF部分对Prox(t,q,D)进行优化，Prox(t,q,D)优化后为；