Comment utiliser le classement gensim BM25 dans python
J'ai trouvé que gensim a une fonction de classement BM25. Cependant, je ne trouve pas le tutoriel pour l'utiliser.
Dans mon cas, j'ai eu une requête. quelques documents récupérés du moteur de recherche. Comment utiliser le classement Gensim BM 25 pour comparer la requête et les documents pour trouver le plus similaire?
Je suis nouveau chez gensim. Merci.
requete:
"experimental studies of creep buckling ."
document 1:
" the 7 x 7 in . hypersonic wind tunnel at rae farnborough, part 1, design, instrumentation and flow visualization techniques . this is the first of three parts of the calibration report on the r.a.e. some details of the design and lay-out of the plant are given, together with the calculated performance figures, and the major components of the facility are briefly described . the instrumentation provided for the wind-tunnel is described in some detail, including the optical and other methods of flow visualization used in the tunnel . later parts will describe the calibration of the flow in the working-section, including temperature measurements . a discussion of the heater performance will also be included as well as the results of tests to determine starting and running pressure ratios, blockage effects, model starting loads, and humidity of the air flow ."
document 2:
" the 7 in. x 7 in. hypersonic wind tunnel at r.a.e. farnborough part ii. heater performance . tests on the storage heater, which is cylindrical in form and mounted horizontally, show that its performance is adequate for operation at m=6.8 and probably adequate for flows at m=8.2 with the existing nozzles . in its present state, the maximum design temperature of 680 degrees centigrade for operation at m=9 cannot be realised in the tunnel because of heat loss to the outlet attachments of the heater and quick-acting Valve which form, in effect, a large heat sink . because of this heat loss there is rather poor response of stagnation temperature in the working section at the start of a run . it is hoped to cure this by preheating the heater outlet cone and the quick-acting Valve . at pressures greater than about 100 p.s.i.g. free convection through the fibrous thermal insulation surrounding the heated core causes the top of the heater Shell to become somewhat hotter than the bottom, which results in /hogging/ distortion of the Shell . this free convection cools the heater core and a vertical temperature gradient is set up across it after only a few minutes at high pressure . modifications to be incorporated in the heater to improve its performance are described ."
document 3:
" supersonic flow at the surface of a circular cone at angle of attack . formulas for the inviscid flow properties on the surface of a cone at angle of attack are derived for use in conjunction with the m.i.t. cone tables . these formulas are based upon an entropy distribution on the cone surface which is uniform and equal to that of the shocked fluid in the windward meridian plane . they predict values for the flow variables which may differ significantly from the corresponding values obtained directly from the cone tables . the differences in the magnitudes of the flow variables computed by the two methods tend to increase with increasing free-stream mach number, cone angle and angle of attack ."
document 4:
" theory of aircraft structural models subjected to aerodynamic heating and external loads . the problem of investigating the simultaneous effects of transient aerodynamic heating and external loads on aircraft structures for the purpose of determining the ability of the structure to withstand flight to supersonic speeds is studied . by dimensional analyses it is shown that .. constructed of the same materials as the aircraft will be thermally similar to the aircraft with respect to the flow of heat through the structure will be similar to those of the aircraft when the structural model is constructed at the same temperature as the aircraft . external loads will be similar to those of the aircraft . subjected to heating and cooling that correctly simulate the aerodynamic heating of the aircraft, except with respect to angular velocities and angular accelerations, without requiring determination of the heat flux at each point on the surface and its variation with time . acting on the aerodynamically heated structural model to those acting on the aircraft is determined for the case of zero angular velocity and zero angular acceleration, so that the structural model may be subjected to the external loads required for simultaneous simulation of stresses and deformations due to external loads ."
Divulgation complète Je n'ai aucune expérience de l'utilisation du classement BM25, mais j'ai beaucoup d'expérience avec les modèles distribués TF-IDF et LSI de Gensim, ainsi qu'avec l'indice de similarité de Gensim.
L'auteur fait un très bon travail pour garder une base de code lisible, donc si jamais vous rencontrez des problèmes avec quelque chose comme ça, je vous recommande de sauter dans le code source.
En regardant le code source: https://github.com/RaRe-Technologies/gensim/blob/develop/gensim/summarization/bm25.py
J'ai donc initialisé un objet BM25() avec les documents que vous avez collés ci-dessus.
Il semble que notre bon vieil ami Radim n'ait pas inclus de fonction pour calculer le average_idf Pour nous, ce qui n'est pas grave, nous pouvons simplement plaguer la ligne 65 pour notre cause:
average_idf = sum(map(lambda k: float(bm25.idf[k]), bm25.idf.keys())) / len(bm25.idf.keys())
Ensuite, si je comprends bien l'intention initiale de get_scores, Vous devriez obtenir chaque score BM25 par rapport à votre requête d'origine, simplement en faisant
scores = bm_25_object.get_scores(query_doc, average_idf)
Ce qui renvoie tous les scores pour chaque document, puis, si je comprends le classement BM25 basé sur ce que j'ai lu sur cette page wikipedia: https://en.wikipedia.org/wiki/Okapi_BM25
Vous devriez pouvoir choisir le document avec le score le plus élevé comme suit:
best_result = docs[scores.index(max(scores))]
Le premier document devrait donc être le plus pertinent pour votre requête? J'espère que c'est ce à quoi vous vous attendiez de toute façon, et j'espère que cela vous a aidé d'une certaine manière. Bonne chance!
Je reconnais que la réponse ci-dessus est correcte. Cependant, je vais continuer et ajouter mes 2 bits, pour les autres membres de la communauté qui atterrissent ici. :)
Les 4 liens suivants sont très utiles et couvrent complètement la question.
https://github.com/nhirakawa/BM25 A Python implémentation de la fonction de classement BM25. Extrêmement facile à utiliser, je l'ai également utilisé pour mon projet. Works Je pense que c'est le système qui fonctionnera pour votre problème.
https://sajalsharma.com/portfolio/cross_language_information_retrieval Montre l'utilisation très détaillée et étape par étape d'Okapi BM25 dans un système qui peut être utilisé pour dessiner des références pour les tâches de conception de système actuelles.
http://lixinzhang.github.io/implementation-of-okapi-bm25-on-python.html Code supplémentaire pour Okapi BM25 uniquement.
https://github.com/thunlp/EntityDuetNeuralRanking Modèle de classement neuronal Entity-Duet. Idéal pour la recherche et le travail universitaire.
Paix!
--- ajout: https://github.com/airalcorn2/RankNet RankNet et LambdaRank