信息检索与搜索引擎技术实验向量空间模型Word格式.doc
《信息检索与搜索引擎技术实验向量空间模型Word格式.doc》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.doc（12页珍藏版）》请在冰豆网上搜索。
A.达到□ B.基本达到□ C.未达到□
实验报告是否规范：
A.规范□ B.基本规范□ C.不规范□
实验过程是否详细记录：
A.详细□ B.一般□ C.没有□
教师签名：
年月日
一、上机目的及内容：
给定文档语料:
d1:
北京安立文高新技术公司
d2:
新一代的网络访问技术
d3:
北京卫星网络有限公司
d4:
是最先进的总线技术。
。
d5:
北京升平卫星技术有限公司的新技术有。
设计一个针对这些文档的信息检索系统。
具体要求是：
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:
北京安立文高新技术公司
• d2:
• d3:
北京卫星网络有限公司
• d4:
• d5:
北京、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
北京
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
“北京”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=termC
升级会员 