本资源为天津大学社会信息检索的一项大作业，基于爬取的语料库，总体实现了三个功能:TFIDF计算，两句子相似度计算，基于语料库的搜索引擎。
具体任务如下：
1) TFIDF: 给定用自己名字命名的文件夹，请自己爬取一定数量的网页、微博形成语料集合，存入该文件夹；在线状态下，对其中的词语进行TFIDF统计。
2) SIM: 在线状态下，从网页页面输入任意两个句子，求其相似度，包括：内积，余弦及Jaccard三种度量方式；同时，可实现对导入的文件夹语料的tfidf统计。
3）SJet：实现基于向量空间模型（VSM）的搜索引擎。
2020-03-28 03:11:09
1.59MB
1
TFIDF算法java实现,TF-IDF是一种 统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重 要程度。
2019-12-21 19:22:56
1.83MB
1