说明
在获取原始数据并构建倒排索引后，可以根据用户输入找到相关内容。
1、先分词用户的输入。
2、然后根据倒排索引获取与每个单词相关的文章。
3、最后，计算每个单词和相关文章之间的分数。分数越高，相关性越大。
实例
defsearch(self,query):
BM25_scores={}
#输入用户的分词
#并将其变成{word:frequency,...}的形式
query=jieba.lcut_for_search(query)
word2freq=self.format(query)
#遍历每个词
#计算每个单词和相关文章之间的分数(参考BM25算法计算公式)
worwordinword2freq:
data=self.iindex.get(word)
ifnotdata:
continue
BM25_score=0
qf=word2freq[word]
df=data['df']
ds=data['ds']
W=math.log((self.N-df+0.5)/(df+0.5))
fordocinds:
doc_id=doc['id']
tf=doc['tf']
dl=doc['dl']
K=self.k1*(1-self.b+self.b*(dl/self.AVGDL))
R=(tf*(self.k1+1)/(tf+K))*(qf*(self.k2+1)/(qf+self.k2))
BM25_score=W*R
BM25_scores[doc_id]=BM25_scores[doc_id]+BM25_scoreifdoc_idinBM25_scoreselseBM25_score
#按从大到小的顺序排列所有分数，返回结果
BM25_scores=sorted(BM25_scores.items(),key=lambdaitem:item[1])
BM25_scores.reverse()
returnBM25_scores以上是python搜索模块的查询方法，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。