信息检索技术 第二次大作业

运行环境

• Python 3

• Windows 10

• Django 2.2.3

运行方法

1. run: python manage.py runserver ([port]=8000) e.g. python manage.py runserver 8080

2. open your browser and go to localhost:[port] e.g. localhost:8080

文件结构

• utils.py——用于储存用到的数据结构和相关函数
• inverted_index.pkl——倒排索引文件
• cacm——数据集
• Backend——Django生成的文件夹，用于处理后端逻辑
• SearchEngine——Django生成的文件夹，用于全局设置
• db.sqlite3——Django生成的数据库文件，本次作业没有用到
• manage.py——用于运行程序

已实现功能

• 输入关键字，输出系统检索到的文档集
• 交互界面友好

界面说明

本次大作业是在第一次大作业的基础上做增量开发，由于检索模型不限，故使用的还是布尔模型。

本次大作业添加的主要功能为使用Django完成了界面交互，这里模仿百度的界面，做了一个“十度”，CSS样式参考了https://blog.csdn.net/qq_35003667/article/details/78266517并做了一定程度的改进。

主界面如下：

搜索结果界面如下：

点击结果中的HTML超链接，可以直接打开对应的HTML文件：

此外由于第一次大作业模块化做得比较好，因此本次作业完成得也比较轻松。

算法流程

SearchEngine\urls.py中定义了网页的跳转逻辑，Backend\view.py中定义了具体的后端逻辑。

具体算法流程如下：

• 用户进入主页面，urls.py向view.py发送主界面请求，view.py返回静态的网页homepage.html，即主界面。
• 用户输入需要检索的单词，点击搜索按钮后，网页将用户的输入包装为wd参数，发送GET方法，urls.py向view.py发送搜索请求，view.py根据wd参数处理得到搜索结果，并根据page参数截取结果的一部分，将其作为参数传给动态的网页result.html，其动态地显示搜索结果。
• 在result.html中用户的翻页只是将page参数修改，wd参数不变，再次发送GET方法。
• 在result.html中用户可以继续搜索，其逻辑与主界面的搜索相似，不再赘述。

实验结果

由于是布尔模型，因此无法给出量化的准确度，认为查询得到的结果中的单词与请求的逻辑相符合即正确。

查询data & computer，结果如下：

由于默认使用了skip_pointer，因此AND查询的速度还是比较快的。并且查询的结果中都有data和computer。

查询data | !computer，结果如下：

不出所料，OR NOT查询由于不能使用skip_pointer，需要遍历整个数据集，故速度慢了很多。且查询的结果与查询的逻辑是相符合的。