《信息检索导论》实验 python 实现汇总

应用python语言实现了《信息检索导论》部分实验，整理一个汇总的博客为大家指路。书籍封面如下图，大家认准教材，不要弄错。

所编写实验均为老师布置的作业，没有太多理论上的讲解，且各个博客的形式会太过统一和单调，希望各位不要介意。另外可能会有不全的实验，或者和自己需求不一致的情况，也望大家谅解。

实验一：倒排记录表的合并算法实现

布尔检索中需要进行倒排记录表的合并，有多种合并算法。通过实验，使学生掌握搜索系统中重要的倒排记录表的求交集的合并算法。

1. 两个倒排记录表的合并算法。P8

2. 输入多个词项与查询时倒排记录表的合并算法。P10

3. 基于跳表指针的倒排记录表的合并算法。P27

4. 邻近搜索中两个倒排记录表的搜索算法。P30

实验二：两个字符串编辑距离的计算方法实现

通过实验，使学生掌握检索系统中为实现拼写校正，计算两个字符串之间的编辑距离的方法。

• 采用动态规划算法，编程计算两个字符串之间的编辑距离。P41

实验三：可变字节码的编码和解码算法实现

检索系统中的倒排记录表所占空间巨大，因此索引压缩非常关键，可变字节码VB编码利用整数个字节对间距编码和解码，能够在时间和空间上达到一个非常好的平衡点。通过实验，使学生掌握索引压缩的可变字节码VB的编码和解码算法。

• 编程实现可变字节码的编码和解码过程。P68

实验四：向量相似度的算法实现

向量空间模型是信息检索中最重要的形式化模型之一，向量相似度是对向量空间模型评分的重要依据。

• 编程实现向量相似度的基本算法。P78

实验五：利用SIMNOMERGE余弦相似度计算文档得分的算法实现

XML由于文档包含非常复杂的树形结构，属性之间还存在嵌套关系，属性数目也高于参数化搜索和域搜索，因此检索更为复杂。基于向量空间模型的XML搜索中，为更好地提高检索正确率，需要利用SIMNOMERGE余弦相似度计算文档得分。

• 编程实现利用SIMNOMERGE余弦相似度计算文档得分

实验六：NB算法的训练及分类过程实现

文本分类是信息检索系统的关键技术，多项式NB文本分类算法是有监督的基于概率的学习方法，优势是速度快，精确率很高。

• 编程实现训练和应用NB分类器的算法。P182