charlie020/text-sort-search-system

基于关键词的文本排序检索系统

基于关键词的文本排序检索系统

介绍

① 利用 TF-IDF 模型，为文本库中的文本创建索引（如倒排索引）；

② 用户输入的关键词可以是一个或多个；

③ 对于返回的结果文本，同时显示各检索关键词在结果文本中的出现频度信息；

④ 系统内支持返回结果文本的查看；

⑤ 支持文本库的动态装载和处理；

⑥ 支持停用词的管理和维护，停用词是指在没有检索价值的单词，如 is, am, are, a, an, the 等；

各文件说明：

① TSSS.cpp为主程序代码；

② FunctionState.h和VarState.h分别是源程序的头文件，分别为函数声明、变量声明文件；

③ StopWordList.txt存放着停用词表，被源程序读写；

④ PreTreatFile.txt中每一行的内容是需要建立索引的数据集的路径，被源程序读写；

以上文件都应放在一起。

注：① 为了方便，一般把要建立索引的数据集，也与上述文件放在一起，这样以来，在PreTreatFile.txt中每一行直接存放要建立索引的数据集的名称即可。否则，需要放对应数据集的绝对路径。

② 中文可能出现乱码，因其内容编码方式为：GB-2312。

程序说明：

① 程序运行时，会先读取StopWordList.txt中内容获取停用词。

② 然后会逐行读取PreTreatFile.txt中内容，每读取一行就会到相应的数据集下，为其中所有文本文件建立倒排索引。

③ 程序也会根据用户的选项，判断是否需要更新StopWordList.txt和PreTreatFile.txt中内容。