信息检索与搜索引擎技术实验向量空间模型Word格式文档下载.docx
《信息检索与搜索引擎技术实验向量空间模型Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《信息检索与搜索引擎技术实验向量空间模型Word格式文档下载.docx（19页珍藏版）》请在冰点文库上搜索。
d1:
安立文高新技术公司
d2:
新一代的网络访问技术
d3:
卫星网络
d4:
是最先进的总线技术。
。
d5:
升平卫星技术的新技术有。
设计一个针对这些文档的信息检索系统。
具体要：
1）给出系统的有效词汇集合（说明取舍原因）。
2）写出d1和d2在VSM中的表示（使用tf*idf，写出各项的数字表达式，具体数值不必实际计算出来）。
3）画出系统的倒排文件示意图。
4）按照向量夹角的余弦计算公式，给出针对查询“技术的公司”的前3个反馈结果。
二、实验原理
•d1:
安立文高新技术公司
•d2:
•d3:
卫星网络
•d4:
•d5:
、安、立、文、高新、技术、公司、新、网络、访问、卫星、有限、先进、总线、升、平
的、是、最、有，这些词作为停用词不能加入系统的有效集合
一、代，去除后并不影响原来句子语义的表达也不能算作系统的有效集合。
2）写出d1和d2在VSM中的表示（使用tf*idf，写出各项的数字表达式，具体数值不必实际计算出来）。
得到的矩阵：
Term
d1
d2
d3
d4
d5
Term出现次数
1
3
安
立
文
高新
技术
公司
新
2
网络
访问
卫星
有限
先进
总线
升
平
说明：
TF：
表示词项在该文档或者查询词中出现的频度。
即该词项出现次数除以该文档的长度（所有词的个数）
：
表示词项k在Di中的出现次数。
表示该文档的长度（所有词的个数）
IDF：
表示词项在文档集合中的重要程度。
一个词项出现的文档数越多，说明该词项的区分度越差，其在文档集合中的重要性就越低。
N：
表示集合中的文档数；
表示出现词项k的文档数。
d1中各词项的数字表达式
“”的
“安”的
“立”的
“文”的
“高新”的
“技术”的
“公司”的
d2中各词项的数字表达式：
“新”的
“网络”的
“访问”的
该部分由代码实现。
三、实验方法、步骤
1．建立Java项目，
2．建立DocumentStruct.java类文件并编辑
3．建立TextVector.java类文件并编辑，如图4-1，图4-2所示
图4-1
图4-2
4．建立TF.java类文件并编辑，如图图4-7所示
图4-4
5．建立IDF.java类文件并编辑，如图图4-5所示
图4-5
6．建立CaculateSim.java类文件并编辑，如图4-6所示
图4-6
7．建立MainApp.java类文件并编辑，图4-7所示
图4-7
8．完成后的项目文件夹如图4-8所示
图4-8
9．运行结果如图4-9所示
1.DocumentStruct.java代码：
packageacm.model;
publicclassDocumentStruct{
publicDocumentStruct（）{
this.documentID=0;
this.documentSimValue=0;
this.documentContent="
None"
;
this.documentName="
}
publicDocumentStruct（intID,doublesim,Stringname,Stringcontent）{
this.documentID=ID;
this.documentSimValue=sim;
this.documentName=name;
this.documentContent=content;
publicStringgetDocumentContent（）{
returndocumentContent;
publicvoidsetDocumentContent（StringdocumentContent）{
this.documentContent=documentContent;
publicStringgetDocumentName（）{
returndocumentName;
publicvoidsetDocumentName（StringdocumentName）{
this.documentName=documentName;
publicdoublegetDocumentSimValue（）{
returndocumentSimValue;
publicvoidsetDocumentSimValue（doubledocumentSimValue）{
this.documentSimValue=documentSimValue;
publicintgetDocumentID（）{
returndocumentID;
publicvoidsetDocumentID（intdocumentID）{
this.documentID=documentID;
publicDocumentStruct[]sortDocBySim（DocumentStruct[]docList）{
DocumentStructtemp;
for（inti=0;
i<
docList.length-1;
i++）{
for（intj=i;
j<
j++）{
if（docList[i].getDocumentSimValue（）<
docList[j].getDocumentSimValue（））{
temp=docList[i];
docList[i]=docList[j];
docList[j]=temp;
}
}
}
returndocList;
privateStringdocumentName;
privateStringdocumentContent;
privatedoubledocumentSimValue;
privateintdocumentID;
}
2.TextVector.java代码：
publicclassTextVector{
publicTextVector（intdimension,int[]termCount,intdocumentTermCount,intdocumentCount,int[]documentContainTermCount）{
vectorWeight=newdouble[dimension];
dimension;
vectorWeight[i]=caculateWeight（termCount[i],documentTermCount,documentCount,documentContainTermCount[i]）;
publicdoublecaculateWeight（inttermCount,intdocumentTermCount,intdocumentCount,intdocumentContainTermCount）{
TFtermTF=newTF（termCount,documentTermCount）;
IDFtermIDF=newIDF（documentCount,documentContainTermCount）;
termTF.caculateTF（）;
termIDF.caculateIDF（）;
return（termTF.getTf（）*termIDF.getIdf（））;
publicdouble[]getVectorWeight（）{
returnvectorWeight;
publicvoidsetVectorWeight（double[]vectorWeight）{
this.vectorWeight=vectorWeight;
privatedouble[]vectorWeight;
3.TF.java代码
publicclassTF{
publicTF（）{
tf=0.0;
termCount=0;
termInDocumentCount=0;
publicTF（inttermCount,intdocumentTermCount）{
this.tf=0.0;
this.termCount=termCount;
this.termInDocumentCount=documentTermCount;
publicvoidcaculateTF（）{
if（termInDocumentCount==0）{
System.out.println（"
请先设置文档总数！
"
）;
return;
this.tf=（double）termCount/（double）termInDocumentCount;
publicdoublegetTf（）{
returntf;
publicintgetTermCount（）{
returntermCount;
publicvoidsetTermCount（inttermCount）{
publicintgetTermInDocumentCount（）{
returntermInDocumentCount;
publicvoidsetTermInDocumentCount（inttermInDocumentCount）{
this.termInDocumentCount=termInDocumentCount;
privatedoubletf;
privateinttermCount;
privateinttermInDocumentCount;
4.IDF.java代码
publicclassIDF{
publicIDF（）{
idf=0.0;
documentContainTermCount=0;
documentCount=0;
publicIDF（intdocumentCount,intdocumentContainTermCount）{
this.documentCount=documentCount;
this.documentContainTermCount=documentContainTermCount;
publicintgetDocumentCount（）{
returndocumentCount;
publicvoidsetDocumentCount（intdocumentCount）{
publicintgetDocumentContainTermCount（）{
returndocumentContainTermCount;
publicvoidsetDocumentContainTermCount（intdocumentContainTermCount）{
publicdoublegetIdf（）{
returnidf;
publicvoidcaculateIDF（）{
if（documentContainTermCount==0）{
请设置文档的长度（所有词的个数）！
this.idf=Math.log10（（double）this.documentCount/（double）this.documentContainTermCount）;
privatedoubleidf;
privateintdocumentCount;
privateintdocumentContainTermCount;
5.CaculateSim.java代码
publicclassCaculateSim{
publicCaculateSim（TextVectorvector1,TextVectorvector2）{
doublesimDividend=0.0,simDivider=0.0;
doubletempVector1=0.0,tempVector2=0.0;
vector1.getVectorWeight（）.length;
simDividend+=vector1.getVectorWeight（）[i]*vector2.getVectorWeight（）[i];
tempVector1+=Math.pow（vector1.getVectorWeight（）[i],2.0）;
tempVector2+=Math.pow（vector2.getVectorWeight（）[i],2.0）;
simDivider=Math.sqrt（（tempVector1*tempVector2））;
this.sim=simDividend/simDivider;
publicdoublegetSim（）{
returnsim;
privatedoublesim;
6.MainApp.java代码
publicclassMainApp{
publicstaticvoidmain（String[]args）{
intTermCount[][]={{1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0},
{0,0,0,0,0,1,0,1,1,1,0,0,0,0,0,0},
{1,0,0,0,0,0,1,0,1,0,1,1,0,0,0,0},
{0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0},
{1,0,0,0,0,1,1,1,0,0,1,1,0,0,1,1},
{0,0,0,0,0,1,1,0,0,0,0,0,0,0,0,0}};
intdocumentTermCount[]={7,7,5,6,11,3};
intdocumentContainTermCount[]={3,1,1,1,1,4,4,2,2,1,2,2,1,1,1,1};
DocumentStruct[]docList=newDocumentStruct[6];
StringdocumentContent[]={"
安立文高新技术公司"
"
新一代的网络访问技术"
卫星网络"
是最先进的总线技术。
升平卫星技术的新技术有。
技术的公司"
};
TextVectorqueryVector=newTextVector（16,TermCount[5],documentTermCount[5],6,documentContainTermCount）;
5;
i++）{
TextVectortempVector=newTextVector（16,TermCount[i],documentTermCount[i],6,documentContainTermCount）;
CaculateSimtempSim=newCaculateSim（tempVector,queryVector）;
DocumentStructtempDoc=newDocumentStruct（i+1,tempSim.getSim（）,"
文档"
+（i+1）,documentContent[i]）;
docList[i]=tempDoc;
docList=docList[1].sortDocBySim（docList）;
System.out.println（"
以\"
技术的公司\"
为查询关键字得到的前3个结果为：
3;
System.out.println（（i+1）+"
."
+docList[i].getDocumentName（）+"
+docList[i].getDocumentContent（））;
四、实验结果、分析和结论
本次实验我学会了针对文档进行信息检索系统，向量空间模型是信息检索的一个重要方面，向量空间模型的建立能让你对信息有更好的把握，所以向量空间模型对我们以后信息检索至关重要，在编程方面我来遇到了很多的问题，这些都是在老师的帮助下完成的，在这次实验中我学到了很多。
升级会员 