Skip to content

algo.md

Latest commit

 

History

History
43 lines (30 loc) · 1.23 KB

algo.md

File metadata and controls

43 lines (30 loc) · 1.23 KB
Raw

doc_1 -> "salut tout le monde" doc_2 -> "les vaccnaces" doc_3 -> "les vaccnaces tout le onde" doc_4 -> "les vaccnaces monde" doc_5 -> "les vaccnaces dubai"

step 1 parsing

dictionnary : {key -> value, key -> value}
dictionnary : { doc_1 -> "salut tout le monde",
                doc_2 -> "les vaccnaces",
                doc_3 -> "les vaccnaces tout le onde",
                doc_4 -> "les vaccnaces monde",
                doc_5 -> "les vaccnaces dubai"
}

step 2 : building inverted index :

 dictionnary : {  salut -> [doc_1: tf(salut,doc_1)]
                    vaccnaces -> [doc_2:tf(vaccances,doc_2), doc_3: tf(vaccances,doc_3), doc_4: tf(vaccances,doc_4), doc_5:tf(vaccances,doc_5)]
                    monde -> [doc_1:tf(monde,doc_1), doc_3:tf(monde,doc_3), doc_4:tf(monde,doc_4)]
                 }

query : "salut monde" mini step : tokenisation of query -> ["salut", "monde"] mini step : removes stop words -> ["salut", "monde"] -> query_1 : ['salut', 'monde']

f(x) = y

score (query_1, doc_1) = score ("salut ", doc_1) + score("monde", doc_1)

score (q, doc_i) = somme(score(w appartient q, doc_i))

Ord par orde decroissant the les scores des doc_i : revient à classer par l'orde de pertinence.