The Programming Assignment 2 report from NTU101-1 IR course
by NTU Michael Hsu
因為 IRTM_news_files
的 data 有簽保密條約,請自行取得後放在 /IRTM_news_files
目錄下。
使用 CLI 步驟執行程式,順序以及 output 結果如下
0. 利用 PA1 的 term extractor 找出每一份
document 的 terms,存在 /output/terms_hash/ 中。
$ ruby 0_loop-to-extract.rb
output
=> /output/terms_hash/1.txt
$ ruby 1_construct-dictionary.rb
output
=> /output/dictionary_hash.txt
2. 讀取每一份 document 的 terms,對應到 dictionary_hash.txt,算出 tf-idf-unit-vector,並且存放到 /output/tf-idf_hash 中,為每一份
document 的 tf-idf。
$ ruby 2_tf-idf.rb
output
=> /output/tf-idf_hash/1.txt
$ ruby 3_cosine_similaity.rb 1 2
=> cosine similarity of document 1 and 2
=> 0.18284016135760092
$ ruby 4_format.rb
output
=> dictionary.txt 以及 vector1.txt