字符串搜索引擎 - 返回最佳结果？ [关闭]

Question

我正在申请，但遇到了问题。

描述应用程序：用户写，让我们在文本框中说一个句子，然后点击进入。应用程序应在文本文件文件夹中搜索句子，并根据该句子返回最相关的文本文件的标题。

那么，我应该根据什么标准选择包含该句子或该句子一部分的最佳文件？我有一些想法，基于出现次数，我正在搜索的文本文件的长度等。这是一个非常有趣的问题。

在互联网上，我找到的最佳链接是：http://www.seomoz.org/blog/search-engine-algorithm-basics。

请提供一些想法...

谢谢！

Answer 1

常规方法是使用tf-idf model 来确定关键字（术语）与文档的相关程度。

这个想法是：如果它多次出现在文档中 - 文档就会得到提升。但是，非常常用的词 - 会被降低（对文档的分数不太重要），因为它们很可能出现在所有文档中。

您还想看看Lucene.NET，它是常用的开源搜索引擎lucene 的.NET 版本。

您可能还想阅读Information Retrieval。我推荐斯坦福大学的Introduction to Information Retrieval 作为学习该领域的好来源。