/email-search-engine

Primary LanguagePython

Web Lab1

实验环境

  • windows10
  • python3.8

运行方式

将预生成的output放置好，执行*_search.py脚本，进行对应的检索。

或者按照后面报告所述方式，一步一步生成倒排表词向量等，再进行检索。

目录结构

  • output：
    • doc_tokens：文档词条化的中间结果
    • doc_wordvec：文档的词向量
    • inverted_index_table：top1000词的倒排索引
    • df_1000.csv：top1000词条的文档频率
    • ttf_1000.csv：top1000词条的总词项频率
  • src：
    • bool_search.py：布尔检索入口脚本
    • doc_preprocess.py：文档词条化预处理
    • gen_inv_idx.py：生成倒排索引
    • gen_ttf_df_1000.py：生成top1000词条以及其文档频率
    • gen_wordvec.py：生成文档的词向量表示
    • semantic_search.py：语义检索
    • util.py：一些全局的工具类函数

关键函数说明

见实验报告.pdf