python - 信息检索、倒排索引问题

Question

嗨，我正在尝试编写一个小程序来索引 xml 集合中的一些文档。我使用 tf-idf 方法。现在，当我的程序读取查询时，它会为每个文档中的每个单词返回一个元组列表（'tf-idf'、'docid'）。

这是一个例子：

Query: "Dog water"

Documents: [(0.212,1),(0.334,1),(0.111,2),(0,2)]  

在这种情况下，文档 2 里面只有一个单词。

现在我的问题是：我知道我必须在这些文档和查询之间做点积，但我该怎么做呢？如何将查询转换为权重向量？

谢谢你。

Answer 1

如果你的问题是：“我如何docid: [weight,...]从这个列表中构建一个字典，答案很简单：

from collections import defaultdict

def transform(query_results):
     revindex = defaultdict(list)
     for weight, docid in query_results:
         revindex[docid].append(weight)
     return revindex

否则，请提供更多解释 - 如果可能的话，请提供预期的输出示例。