Information Retrieval Project

資訊檢索課程計畫 - 2021 年秋季

使用不同的搜尋模型和演算法（例如binary search 、 tf-idf和word embeddings ）實現search engine 。此外，也實作K-means聚類和KNN演算法來加快搜尋速度。

數據集

有兩個數據集。第一個有 7k 篇新聞文章，第二個有 50k 篇新聞文章用於聚類。第二個資料集中的文章有類別（ sport 、 economy 、 politics 、 culture和health ），它們在KNN中用於標記第一個資料集中的文章。資料集不在此儲存庫中。

輸入

首先，使用選項 1 建立倒排索引模型，或使用選項 2 載入先前的模型。選項 5 用於初始化我們的 kmeans 模型（大約需要一個小時）。選項 6 用於使用更大的資料集（包含 50k 新聞文章）來標記我們的小資料集（包含 7k 新聞文章）。

搜尋

作為第二個輸入，您應該選擇使用哪個模型（在簡單binary模型、 tf-idf模型、 word2vec模型、 k-means模型或KNN之間）進行搜索，然後編寫查詢。

輸出

將向您顯示前 5 個搜尋結果及其分數。