gifts_py

подарки

Поиск элементов, которые имеют общие функции с запросом.

 query = [ 'A' , 'B' ]

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

В этом случае поиск с return ['C', 'B', 'A'] и ['N', 'A', 'M'] в этом конкретном порядке.

Используйте для полнотекстового поиска

Поиск документов, которые содержат слова из запроса.

 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 )

Использование для анализа данных

В приведенных выше примерах слова были буквально слова как строки. Но они могут быть любыми объектами, подходящими в качестве ключей 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 )

Детали реализации

При ранжировании результатов алгоритм учитывает ::

• Количество соответствующих слов
• Редкость таких слов в базе данных
• Частота возникновения слов в документе

Плавные ножки

 from gifts import SmoothFts

Он использует логарифмический TF-IDF для взвешивания слов и сходства косинуса для оценки совпадений.

Простые

 from gifts import SimpleFts

Минималистичный подход: взвешивать, умножить, сравнить. Этот объект заметно быстрее, чем SmoothFts .

Установить

пип

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

setup.py

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

Смотрите также

Пакет Skifts выполняет тот же поиск, но использует Scikit-Learn и Numpy для лучшей производительности. Это буквально сотни раз быстрее.