gifts_py

regalos

Buscando elementos que tengan las características comunes con la consulta.

 query = [ 'A' , 'B' ]

elements = [
    [ 'N' , 'A' , 'M' ],  # common features: 'A'
    [ 'C' , 'B' , 'A' ],  # common features: 'A', 'B'  
    [ 'X' , 'Y' ]  # no common features
]

En este caso, la búsqueda con retorno ['C', 'B', 'A'] y ['N', 'A', 'M'] en ese orden en particular.

Uso para la búsqueda de texto completo

Encontrar documentos que contengan palabras de la consulta.

 from gifts import SmoothFts

fts = SmoothFts ()

fts . add ([ "wait" , "mister" , "postman" ],
        doc_id = "doc1" )

fts . add ([ "please" , "mister" , "postman" , "look" , "and" , "see" ],
        doc_id = "doc2" )

fts . add ([ "oh" , "yes" , "wait" , "a" , "minute" , "mister" , "postman" ],
        doc_id = "doc3" )

# print IDs of documents in which at least one word of the query occurs, 
# starting with the most relevant matches
for doc_id in fts . search ([ 'postman' , 'wait' ]):
    print ( doc_id )

Uso para la minería de datos abstractos

En los ejemplos anteriores, las palabras eran literalmente palabras como cuerdas. Pero pueden ser cualquier objeto adecuado como teclas dict .

 from gifts import SmoothFts

fts = SmoothFts ()

fts . add ([ 3 , 1 , 4 , 1 , 5 , 9 , 2 ], doc_id = "doc1" )
fts . add ([ 6 , 5 , 3 , 5 ], doc_id = "doc2" )
fts . add ([ 8 , 9 , 7 , 9 , 3 , 2 ], doc_id = "doc3" )

for doc_id in fts . search ([ 5 , 3 , 7 ]):
    print ( doc_id )

Detalles de implementación

Al clasificar los resultados, el algoritmo tiene en cuenta ::

• el número de palabras coincidentes
• la rareza de tales palabras en la base de datos
• la frecuencia de ocurrencia de palabras en el documento

Suave

 from gifts import SmoothFts

Utiliza TF-IDF logarítmico para ponderar las palabras y la similitud de coseno para calificar los partidos.

Simplefts

 from gifts import SimpleFts

Enfoque minimalista: pesar, multiplicar, comparar. Este objeto es notablemente más rápido que SmoothFts .

Instalar

pepita

pip3 install git+https://github.com/rtmigo/gifts_py#egg=gifts

setup.py

 install_requires = [
    "gifts@ git+https://github.com/rtmigo/gifts_py"
]

Ver también

El paquete Skifts realiza la misma búsqueda, pero usa Scikit-Learn y Numpy para un mejor rendimiento. Es literalmente cientos de veces más rápido.