資源描述：
《信息檢索與搜索引擎技術(shù)實(shí)驗(yàn)向量空間模型.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院學(xué)生實(shí)驗(yàn)報(bào)告（2014—2015學(xué)年第1學(xué)期）課程名稱：信息檢索與搜索引擎技術(shù)開(kāi)課實(shí)驗(yàn)室：信自樓4452014年12月23日年級(jí)、專業(yè)、班計(jì)科111學(xué)號(hào)201110405138姓名成績(jī)實(shí)驗(yàn)項(xiàng)目名稱向量空間模型指導(dǎo)教師李衛(wèi)疆教師評(píng)語(yǔ)該同學(xué)是否了解實(shí)驗(yàn)原理：A.了解□B.基本了解□C.不了解□該同學(xué)的實(shí)驗(yàn)?zāi)芰Γ篈.強(qiáng)□B.中等□C.差□該同學(xué)的實(shí)驗(yàn)是否達(dá)到要求：A.達(dá)到□B.基本達(dá)到□C.未達(dá)到□實(shí)驗(yàn)報(bào)告是否規(guī)范：A.規(guī)范□B.基本規(guī)范□C.不規(guī)范□實(shí)驗(yàn)過(guò)程是否詳細(xì)記錄：A.詳細(xì)□B.一般□C.沒(méi)有□教師簽名：
2、年月日一、上機(jī)目的及內(nèi)容：給定文檔語(yǔ)料:d1:北京安立文高新技術(shù)公司d2:新一代的網(wǎng)絡(luò)訪問(wèn)技術(shù)d3:北京衛(wèi)星網(wǎng)絡(luò)有限公司d4:是最先進(jìn)的總線技術(shù)。。。d5:北京升平衛(wèi)星技術(shù)有限公司的新技術(shù)有。。。設(shè)計(jì)一個(gè)針對(duì)這些文檔的信息檢索系統(tǒng)。具體要求是：1)給出系統(tǒng)的有效詞匯集合（說(shuō)明取舍原因）。2)寫(xiě)出d1和d2在VSM中的表示（使用tf*idf，寫(xiě)出各項(xiàng)的數(shù)字表達(dá)式，具體數(shù)值不必實(shí)際計(jì)算出來(lái)）。3)畫(huà)出系統(tǒng)的倒排文件示意圖。4)按照向量夾角的余弦計(jì)算公式，給出針對(duì)查詢“技術(shù)的公司”的前3個(gè)反饋結(jié)果。二、實(shí)驗(yàn)原理-13-給定文檔語(yǔ)料:?d1:北京
3、安立文高新技術(shù)公司?d2:新一代的網(wǎng)絡(luò)訪問(wèn)技術(shù)?d3:北京衛(wèi)星網(wǎng)絡(luò)有限公司?d4:是最先進(jìn)的總線技術(shù)。。。?d5:北京升平衛(wèi)星技術(shù)有限公司的新技術(shù)有。。。設(shè)計(jì)一個(gè)針對(duì)這些文檔的信息檢索系統(tǒng)。具體要求是：1)給出系統(tǒng)的有效詞匯集合（說(shuō)明取舍原因）。北京、安、立、文、高新、技術(shù)、公司、新、網(wǎng)絡(luò)、訪問(wèn)、衛(wèi)星、有限、先進(jìn)、總線、升、平的、是、最、有，這些詞作為停用詞不能加入系統(tǒng)的有效集合一、代，去除后并不影響原來(lái)句子語(yǔ)義的表達(dá)也不能算作系統(tǒng)的有效集合。2)寫(xiě)出d1和d2在VSM中的表示（使用tf*idf，寫(xiě)出各項(xiàng)的數(shù)字表達(dá)式，具體數(shù)值不必實(shí)際計(jì)算
4、出來(lái)）。得到的矩陣：Termd1d2d3d4d5Term出現(xiàn)次數(shù)北京101013安100001立100001文100001高新100001技術(shù)110013公司101013新010012網(wǎng)絡(luò)011002訪問(wèn)010001衛(wèi)星001012有限001012先進(jìn)000101-13-總線000101升000011平000011說(shuō)明：TF：表示詞項(xiàng)在該文檔或者查詢?cè)~中出現(xiàn)的頻度。即該詞項(xiàng)出現(xiàn)次數(shù)除以該文檔的長(zhǎng)度（所有詞的個(gè)數(shù)）：表示詞項(xiàng)k在Di中的出現(xiàn)次數(shù)。：表示該文檔的長(zhǎng)度（所有詞的個(gè)數(shù)）IDF：表示詞項(xiàng)在文檔集合中的重要程度。一個(gè)詞項(xiàng)出現(xiàn)的文檔數(shù)越
5、多，說(shuō)明該詞項(xiàng)的區(qū)分度越差，其在文檔集合中的重要性就越低。N：表示集合中的文檔數(shù)；：表示出現(xiàn)詞項(xiàng)k的文檔數(shù)。d1中各詞項(xiàng)的數(shù)字表達(dá)式“北京”的“安”的“立”的“文”的“高新”的“技術(shù)”的“公司”的d2中各詞項(xiàng)的數(shù)字表達(dá)式：-13-“新”的“網(wǎng)絡(luò)”的“訪問(wèn)”的“技術(shù)”的1)畫(huà)出系統(tǒng)的倒排文件示意圖。2)按照向量夾角的余弦計(jì)算公式，給出針對(duì)查詢“技術(shù)的公司”的前3個(gè)反饋結(jié)果。該部分由代碼實(shí)現(xiàn)。一、實(shí)驗(yàn)方法、步驟1．建立Java項(xiàng)目，2．建立DocumentStruct.java類文件并編輯-13-1．建立TextVector.java類文件并
6、編輯，如圖4-1，圖4-2所示圖4-1圖4-22．建立TF.java類文件并編輯，如圖圖4-7所示-13-圖4-41．建立IDF.java類文件并編輯，如圖圖4-5所示圖4-52．建立CaculateSim.java類文件并編輯，如圖4-6所示-13-圖4-61．建立MainApp.java類文件并編輯，圖4-7所示圖4-72．完成后的項(xiàng)目文件夾如圖4-8所示圖4-8-13-1．運(yùn)行結(jié)果如圖4-9所示-13-1.DocumentStruct.java代碼：packageacm.model;publicclassDocumentStruct
7、{publicDocumentStruct(){this.documentID=0;this.documentSimValue=0;this.documentContent="None";this.documentName="None";}publicDocumentStruct(intID,doublesim,Stringname,Stringcontent){this.documentID=ID;this.documentSimValue=sim;this.documentName=name;this.documentContent=
8、content;}publicStringgetDocumentContent(){returndocumentContent;}publicvoidsetDocumentContent(St
