- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在尝试实现未排序的 bool 检索。为此,我需要构造一棵树并执行 DFS 来检索文档。我有叶节点,但我很难构建树。
例如:query = OR ( AND (maria sharapova) tennis)
结果:
OR | | AND tennis | | maria sharapova
我使用 DFS 遍历树并计算某些文档 ID 的 bool 等效值,以从语料库中识别所需的文档。有人可以帮我用 python 设计这个吗?我现在已经解析了查询并检索了叶节点。
编辑:我是新来的,很抱歉不清楚。我基本上是在尝试构建一个非常简单的搜索引擎。因此,用户输入任何 bool 查询,例如:OR ( AND (maria sharapova) tennis)。我有一个维基百科文档语料库,它根据您键入的查询显示给用户。
到目前为止,我已经解析了查询以检索单个运算符(如 OR、AND 等)。以及个人搜索词(玛丽亚、网球等)。解析代码只是一个函数,它基本上将所有运算符和查询术语按类型分组。即(玛丽亚莎拉波娃),(网球),或,和。我以这种方式解析这个函数,以便创建一个自下而上的树。现在,使用对应关键字(如网球、玛丽亚、莎拉波娃等)的倒排列表,我对倒排列表执行 bool 运算以获得某个“documentid”。然后将此 documentid 传递给 API,该 API 将检索正确的维基百科页面。
只是为了更详细地解释主题,请参阅此文档以获取有关我手头问题的更多信息: http://www.ccs.neu.edu/home/jaa/CSG339.06F/Lectures/boolean.pdf
最佳答案
首先,如果您想要一种奇特的查询语言语法来支持许多运算符、范围查询或通配符,您绝对应该引用 Joran 指出的 lex/yacc 解决方案。
其次,从您发布的讲座幻灯片来看,我认为您更关心如何实现 bool 查询模型,而不是在 python 中构建树。那么您无需担心查询本身。假设查询的格式如下:
"OR ( AND ( maria sharapova ) tennis )"
也就是说,运算符 (AND/OR) 和关键字/括号之间有空格。然后你只需要两个堆栈(不在树数据结构上使用 DFS)来解析查询并从中获得组合的搜索结果。
第一个堆栈包含运算符 (AND/OR) 和操作数(例如,maria、tennis)。您将括号视为打开/关闭条件以处理堆栈顶部的当前操作数。只有在看到右括号 )
时才处理搜索操作。
第二个堆栈保存当前搜索结果。
让我们使用上面的例子做一个循序渐进的演示。您从左到右扫描查询。
第 1 步。将“或”运算符压入堆栈。
+ +
+ +
+ OR +
+ + + + + + + + +
第 2 步。您会看到一个左括号 (
,请跳过它。
第 3 步。将“AND”运算符压入堆栈。现在堆栈如下所示:
+ +
+ AND +
+ OR +
+ + + + + + + + +
第 4 步。您跳过另一个 (
。
第 5 步。将“maria”插入堆栈。
第 6 步。将“莎拉波娃”插入堆栈。现在堆栈如下所示:
+ sharapova +
+ maria +
+ AND +
+ OR +
+ + + + + + + + +
第 7 步。您会看到一个右括号 )
。现在是时候进行第一次手术了。您将所有项目弹出堆栈顶部,直到看到运算符。弹出运算符以及获取当前运算符。现在,您分别处理“sharapova”和“maria”的搜索,并使用运算符“AND”合并搜索结果。假设对于“maria”,您获得 3 个文档 ID:[1, 2, 3]
。对于“莎拉波娃”,您会得到另外 5 个文档 ID:[2, 3, 8, 9, 10]
。在将结果与“AND”组合后,[2,3]
在
保存当前搜索结果的第二个堆栈。当前情况如下所示:右侧是结果缓冲区。
+ + + +
+ + + +
+ + + +
+ OR + + [2,3] +
+ + + + + + + + + + + + + + +
第 8 步。将网球插入堆栈。
+ + + +
+ + + +
+ tennis + + +
+ OR + + [2,3] +
+ + + + + + + + + + + + + + +
第 9 步。您会看到另一个右括号 )
。同样,您将所有项目弹出堆栈顶部,直到看到“OR”。您开始使用“tennis”进行搜索,并假设您得到了结果文档 ID:[3, 5, 7]
。此时,您将此结果与缓冲区中的先前结果使用运算符“或”结合起来,以便最终得到文档 ID:[2,3,5,7]
。
我的示例代码是 here .请注意,我通过随机采样 len(word)
整数来模拟搜索和返回文档 ID。
代码的打印输出一步一步地显示了系统在处理当前查询项(第 1 列)之前的样子,结果缓冲区的状态(第 2 列),堆栈中的项(第 3 列)和即时搜索结果(第 4 列)。
关于python - 使用 Python 构建树,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12327787/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!