Hallo zusammen ich bin neu hier und habe ein kleines Problem.
Ich habe 7 verschiedene Java codes die hier zu finden sind: http://rapidshare.com/files/61318562/ji.tar.gz
Ich habe diesen Code auf einer Homepage einer Universität gefunden und war mehr als begeistert, da ich selbst so etwas gesucht habe und es ist wirklich klasse so ein fertiges IR System zu finden. Man bekommt eine Idee wie das alles läuft (Theorie ist gut Praxis ist besser). Ich will es zum laufen bringen aber irgendwie schaffe ich es nicht. Der Code ist zu hoch für mich und ich bin mehr als verloren. Was das Programm eigentlich machen soll:
Die klassische Implementierung eines IR-Systems funktioniert so, dass man die
Dokumente liest, in Wörter zerhackt, die Wörter zählt, und das alles in sogenannten
invertierten Listen abspeichert. Die invertierte Liste zum Term ti
enthält eine Liste aller Dokumentnummern, in denen der Term vorkommt. Bei
gewichteter Indexierung steht bei jeder Dokumentnummer auch noch dabei, mit
welchem Gewicht der Term in diesem Dokument versehen ist.
Man braucht also diverse Datenstrukturen:
1. Das Wörterbuch (dictionary) ordnet jedem Term eine Nummer zu, der
Rest des Systems verwendet nur die Nummer. Außerdem werden hier weitere
globale Daten zu jedem Term gespeichert, wie beispielsweise die document frequency (Anzahl Dokumente, die diesen Term enthalten).
2. Die Dokumentliste ordnet jedem Dokument eine Nummer zu. Ferner
können dokumentspezi_sche Daten hier abgelegt werden, beispielsweise
die Dokumentlänge.
3. Das inverted file enthält die invertierten Listen zu jedem Term, die oben
schon beschrieben wurden.
Das System besteht dann aus zwei hauptsächlichen Komponenten:
1. Der Indexer liest die Dokumente und baut die o.g. Datenstrukturen auf.
2. Der query processor nimmt eine Anfrage entgegen und liest die o.g.
Datenstrukturen und berechnet das Anfrageergebnis.
Hier eine Link zu der ganzen Aufgabe: http://rapidshare.com/files/61318729/09.pdf
Ich will das Programm einfach zu laufen bringen und es für cacm.all Sammlung benutzen: http://rapidshare.com/files/59055129/cacm.tar.gz
Die Java Klassen sind: Dictionary (erstellt das Wörterbuch), DV (splittet die Dokumente und erstellt wahrscheinlich einen Index, Indexer.java, Query (für die Abfragen, das Arciv befindet sich auf das cacm Archiv (Querl.txt (oder so ähnlich)), Search (für die Suche) und Stemmer.java für das Stemming. Ich will euch bitten mir weiterzuhelfen… Ich weiß wirklich nicht mehr weiter und bis ich das alles von selbst löse dauert es eine Ewigkeit. Seht euch die Codes an und ändert alles was nötig ist damit es auf meinem PC läuft. Die cacm Datei befindet sich auf c:\cacm\cacm.all, der Index und das Dictionary sollen jeweils auf C:\Index und C:\dict gespeichert werden und wenn der code DV.java läuft und die Dokumente von cacm.all trennt sollen die auf c:\docs gespeichert werden . Der code befindet sich aud C:\ji. Ich weiß jetzt nicht mehr was noch benötigt wird. Es wäre toll wenn auf Search.java ein Eingabe Feld erscheint und wir dort unsere Frage stellen können… Muss ich außerdem ein Packet erstellen? Ich kenne die meisten Befehle und habe schon viele kleine Programme erstellt, aber das hier ist eindeutig zu hoch für mich. Ich habe schon vieles versucht aber es klappt nicht…Ich bin für jede Hilfe mehr als dankbar.
Viele liebe Grüße
Julia
Ich habe 7 verschiedene Java codes die hier zu finden sind: http://rapidshare.com/files/61318562/ji.tar.gz
Ich habe diesen Code auf einer Homepage einer Universität gefunden und war mehr als begeistert, da ich selbst so etwas gesucht habe und es ist wirklich klasse so ein fertiges IR System zu finden. Man bekommt eine Idee wie das alles läuft (Theorie ist gut Praxis ist besser). Ich will es zum laufen bringen aber irgendwie schaffe ich es nicht. Der Code ist zu hoch für mich und ich bin mehr als verloren. Was das Programm eigentlich machen soll:
Die klassische Implementierung eines IR-Systems funktioniert so, dass man die
Dokumente liest, in Wörter zerhackt, die Wörter zählt, und das alles in sogenannten
invertierten Listen abspeichert. Die invertierte Liste zum Term ti
enthält eine Liste aller Dokumentnummern, in denen der Term vorkommt. Bei
gewichteter Indexierung steht bei jeder Dokumentnummer auch noch dabei, mit
welchem Gewicht der Term in diesem Dokument versehen ist.
Man braucht also diverse Datenstrukturen:
1. Das Wörterbuch (dictionary) ordnet jedem Term eine Nummer zu, der
Rest des Systems verwendet nur die Nummer. Außerdem werden hier weitere
globale Daten zu jedem Term gespeichert, wie beispielsweise die document frequency (Anzahl Dokumente, die diesen Term enthalten).
2. Die Dokumentliste ordnet jedem Dokument eine Nummer zu. Ferner
können dokumentspezi_sche Daten hier abgelegt werden, beispielsweise
die Dokumentlänge.
3. Das inverted file enthält die invertierten Listen zu jedem Term, die oben
schon beschrieben wurden.
Das System besteht dann aus zwei hauptsächlichen Komponenten:
1. Der Indexer liest die Dokumente und baut die o.g. Datenstrukturen auf.
2. Der query processor nimmt eine Anfrage entgegen und liest die o.g.
Datenstrukturen und berechnet das Anfrageergebnis.
Hier eine Link zu der ganzen Aufgabe: http://rapidshare.com/files/61318729/09.pdf
Ich will das Programm einfach zu laufen bringen und es für cacm.all Sammlung benutzen: http://rapidshare.com/files/59055129/cacm.tar.gz
Die Java Klassen sind: Dictionary (erstellt das Wörterbuch), DV (splittet die Dokumente und erstellt wahrscheinlich einen Index, Indexer.java, Query (für die Abfragen, das Arciv befindet sich auf das cacm Archiv (Querl.txt (oder so ähnlich)), Search (für die Suche) und Stemmer.java für das Stemming. Ich will euch bitten mir weiterzuhelfen… Ich weiß wirklich nicht mehr weiter und bis ich das alles von selbst löse dauert es eine Ewigkeit. Seht euch die Codes an und ändert alles was nötig ist damit es auf meinem PC läuft. Die cacm Datei befindet sich auf c:\cacm\cacm.all, der Index und das Dictionary sollen jeweils auf C:\Index und C:\dict gespeichert werden und wenn der code DV.java läuft und die Dokumente von cacm.all trennt sollen die auf c:\docs gespeichert werden . Der code befindet sich aud C:\ji. Ich weiß jetzt nicht mehr was noch benötigt wird. Es wäre toll wenn auf Search.java ein Eingabe Feld erscheint und wir dort unsere Frage stellen können… Muss ich außerdem ein Packet erstellen? Ich kenne die meisten Befehle und habe schon viele kleine Programme erstellt, aber das hier ist eindeutig zu hoch für mich. Ich habe schon vieles versucht aber es klappt nicht…Ich bin für jede Hilfe mehr als dankbar.
Viele liebe Grüße
Julia
