# Baidu Information retrieval

**Repository Path**: sg-first/baidu-information-retrieval

## Basic Information

- **Project Name**: Baidu Information retrieval
- **Description**: 百度搜索技术创新挑战赛2022
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-12-02
- **Last Updated**: 2023-01-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 自然语言处理

## README

Baidu Information retrieval
==========
Config
---------
* `pip install gensim==3.8.1`
* 下载[gensim3 patch](https://gitee.com/sg-first/gensim3-patch)覆盖到gensim安装目录（`python-3.10.5.amd64\Lib\site-packages\gensim`）

结构速读
----------
每个数据中，有一个`query`和单个文档组成的`doc_text`。计算过程如下：
* 对`doc_text`分词，得到包含句子结构的二维数组`sentenceTokenMat`（该步位于`doc`类）
* 对`sentenceTokenMat`计算与query最相关的前k个句子（该步位于`inferGetSentence`）
* 将这些句子连接，得到最终结果