包含课题的python源码，实验报告以及测试数据。
对于给定文本库，用户提交检索关键词（例如： NBA, basket, ball），在文本库中查询与检索关键词最相关的 k 个文本（例如 k=5），并根据文本与检索关键词的相关度，对这 k 个文本进行排序，将排序后的结果返回给用户。
使用TF-IDF权值衡量关键词对于某篇文章的重要性，从而根据关键词挑选出相关性较高的文本。首先程序加载文本库，并对数据进行处理，用户输入一个或多个关键词，分别输出前五的各检索关键词的文本排序序列。
2021-05-17 10:23:57
350KB
1
python实现knn、naive bayes、vsm、tf-idf模型。并包含数据集
2021-04-19 22:12:54
40.90MB
1