① 利用 TF-IDF 模型,为文本库中的文本创建索引(如倒排索引);
② 用户输入的关键词可以是一个或多个;
③ 对于返回的结果文本,同时显示各检索关键词在结果文本中的出现频度信息;
④ 系统内支持返回结果文本的查看;
⑤ 支持文本库的动态装载和处理;
⑥ 支持停用词的管理和维护,停用词是指在没有检索价值的单词,如 is, am, are, a, an, the 等;
① TSSS.cpp
为主程序代码;
② FunctionState.h
和VarState.h
分别是源程序的头文件,分别为函数声明、变量声明文件;
③ StopWordList.txt
存放着停用词表,被源程序读写;
④ PreTreatFile.txt
中每一行的内容是需要建立索引的数据集的路径,被源程序读写;
以上文件都应放在一起。
注:① 为了方便,一般把要建立索引的数据集,也与上述文件放在一起,这样以来,在PreTreatFile.txt
中每一行直接存放要建立索引的数据集的名称即可。否则,需要放对应数据集的绝对路径。
② 中文可能出现乱码,因其内容编码方式为:GB-2312。
① 程序运行时,会先读取StopWordList.txt
中内容获取停用词。
② 然后会逐行读取PreTreatFile.txt
中内容,每读取一行就会到相应的数据集下,为其中所有文本文件建立倒排索引。
③ 程序也会根据用户的选项,判断是否需要更新StopWordList.txt
和PreTreatFile.txt
中内容。