Definições e Convenções usadas neste trabalho

Texto Fonte de Documento: é um texto em linguagem natural contendo comandos de formatação usando a linguagem SGML
Documento: é um número que identifica um texto fonte de um documento em linguagem natural na coleção.
Palavra: é uma palavra em linguagem natural
Vocabulário: é o conjunto de todas as palavras contidas dentro da coleção
Termo: é um número que identifica uma palavra dentro do vocabulário
Frequência: é o número de vezes que um dado termo ocorre dentro de um documento
idf: do inglês inverse documente frequency representa o inverso da frequência de um termo dentro da coleção.
norma: é a norma de um documento dentro da coleção