Question

这与上一个问题类似，但不一样。相反，它建立在它之上（虽然从技术上讲它更容易）。

我将此链接到此处，以便您可以了解： -

仍在使用我的两个嵌套词典： -

wordFrequency = {'bit':{1:3,2:4,3:19,4:0},'red':{1:0,2:0,3:15,4:0},'dog':{1:3,2:0,3:4,4:5}}
search = {1:{'bit':1},2:{'red':1,'dog':1},3:{'bit':2,'red':3}}

第一个字典链接单词文件编号和它们在该文件中出现的次数。第二个包含将单词与当前搜索中出现的次数相关联的搜索。

我想使用二元独立模型，这里有一个很好的解释： -

http://en.wikipedia.org/wiki/Binary_Independence_Model

它比我以前的模型更简单，因为特定单词出现在搜索或文件中的次数是无关紧要的，只有存在或不存在很重要，即它是布尔值。因此它是相似的，但如果一个单词在搜索或文件中出现不止一次，它仍被视为1。

预期的输出又是字典： -

{1: [3, 2, 1, 4], 2: [3, 4, 1, 2], 3: [3, 2, 1, 4]}

这是前一个矢量空间模型程序的输出，因此输出可能不同。

到目前为止我的代码： -

from collections import Counter

def retrieve():

    wordFrequency = {'bit':{1:3,2:4,3:19,4:0},'red':{1:0,2:0,3:15,4:0},'dog':{1:3,2:0,3:4,4:5}}
    search = {1:{'bit':1},2:{'red':1,'dog':1},3:{'bit':2,'red':3}}

    results = {}
    for search_number, words in search.iteritems():
        file_relevancy = Counter()
        for word, num_appearances in words.iteritems():
            num_appearances = 1
            for file_id, appear_in_file in wordFrequency.get(word, {}).iteritems():
                appear_in_file = 1
                file_relevancy[file_id] += num_appearances * appear_in_file

        results[search_number] = [file_id for (file_id, count) in file_relevancy.most_common()]

    return results

print retrieve

但是，我只得到

的输出

{1: [1, 2, 3, 4], 2: [1, 2, 3, 4], 3: [1, 2, 3, 4]}

这是不正确的，它只是按数字顺序返回文件？

用于简单搜索引擎程序二进制搜索的不同搜索模型

0 个答案: