我的XML文档排名有什么问题？

Question

我在C＃中编写了一个程序来计算TF-IDF以对文档进行排名。

我使用以下XML在文档中存储单词频率。我被批评使用这种结构。即使我使用标签中的单词文本，按照我的说法它的效率也会消耗更少的空间。此外，我可以很容易地使用XDocument进行搜索，因为它有一个很好的树结构。你能帮我理解为什么我会受到严厉批评吗？

批评：如何在元数据中添加信息？ （对我而言，它是创新的）。

<word>
   <siddhartha>
      <doc1> 4 </doc4>
      <doc2> 5 </doc2>

   <insipration>
      <doc1> 4 </doc1>
      <doc6> 5 </doc6>

   ....
</word>

我被建议这样的事情：

   <word>
   <text> siddhartha </text>
   <doc1> 4 </doc1>
   <text> inspiration </text>
   <doc1> 4 </doc1>
   ...
   </word>

Answer 1

您的结构（使用单词名称作为节点）将难以使用通用解析器进行解析。没有定义的结构：您需要阅读整个文档才能知道它。

我可能已经做过类似的事情（我试图对你的想法保持封闭）：

<words>
   <word id="siddhartha">
      <freq id="doc1"> 4 </freq>
      <freq id="doc2"> 5 </freq>
   </word>
   ....
</words>