信息检索与搜索引擎技术实验向量空间模型.docVIP

信息检索与搜索引擎技术实验向量空间模型 PAGE 昆明理工大学信息工程与自动化学院学生实验报告 （ 2014—2015学年第 1学期） 课程名称：信息检索与搜索引擎技术 开课实验室：信自楼445 2014 年12月 23日 年级、专业、班 计科111 学号 201110405138 姓名 成绩 实验项目名称 向量空间模型 指导教师 李卫疆 教师评语 该同学是否了解实验原理： A.了解□ B.基本了解□ C.不了解□ 该同学的实验能力： A.强 □ B.中等 □ C.差 □ 该同学的实验是否达到要求： 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 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 得到的矩阵： Term d1 d2 d3 d4 d5 Term出现次数 北京 1 0 1 0 1 3 安 1 0 0 0 0 1 立 1 0 0 0 0 1 文 1 0 0 0 0 1 高新 1 0 0 0 0 1 技术 1 1 0 0 1 3 公司 1 0 1 0 1 3 新 0 1 0 0 1 2 网络 0 1 1 0 0 2 访问 0 1 0 0 0 1 卫星 0 0 1 0 1 2 有限 0 0 1 0 1 2 先进 0 0 0 1 0 1 总线 0 0 0 1 0 1 升 0 0 0 0 1 1 平 0 0 0 0 1 1 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 “技术”的 画出系统的倒排文件示意图。 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。 该部分由代码实现。 实验方法、步骤 建立Java项目， 建立DocumentStruct.java类文件并编辑 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 建立TF.java类文件并编辑，如图图4-7所示 图4-4 建立IDF.java类文件并编辑，如图图4-5所示 图4-5 建立CaculateSim.java类文件并编辑，如图4-6所示 图4-6 建立MainApp.java类文件并编辑，图4-7所示 图4-7 完成后的项目文件夹如图4-8所示 图4-8 运行结果如图4-9所示 DocumentStruct.java代码： packageacm.model; public class DocumentStruct { publicDocumentStruct(){ this.documentID = 0; this.documentSimValue = 0; this.documentContent = None; this.documentName = None; } publicDocumentStruct(int ID, double sim, String name, String content){ this.documentID = ID; this.documentSimValue = sim; this.documentName = name; this.documentContent = content; } public String getDocumentContent() { returndocumentContent; } public void setDocumentContent(String documentContent) { this.documentContent = documentContent; } public String getDocumentName()