Phase08-Search Engine-Z.Dehghani

[ZahraDehghani99]

• [x] Section 1: Word By Word Search
  • [x] Develop code [FILL HERE WITH CONS OF THIS METHOD]
• [x] Section 2: Search With TF-IDF
  • [x] Develop code for TF-IDF search on Persian data
  • [x] Deploy code [COMPARE METHOD 1 & 2 HERE]
• [ ] Section 3: Semantic Search
  • [ ] Search and present results
  • [ ] Develop selected method

[ZahraDehghani99]

ایراد های روش جستجوی کلمه به کلمه

1) اگر کلمه ی مورد جستجو دارای غلط املایی باشد قادر نیست مشابهت یابی کنه و کلمه ی درست رو خودش تشخیص بده،مثلا اگر به کلمه 'هجرت' باشیم ولی به اشتباه 'حجرت' را وارد کنیم، در خروجی چیزی به ما نشان داده نمی شود. 2) در حال حاضر توانایی سرچ براساس مترادف ها، مشابهت یابی و ... وجود ندارد. 3) باعث ایجاد overhead میشود. وقتی بخواهیم داکیومنت جدید به کالکشن اضافه کنیم 4) کند عمل می کند برای بعضی از query ها 5) از آنجا که ایندکس ها در رم ذخیره می شوند باید حواسمان باشد این اندکس ها از ظرفیت رم فراتر نروند، در غیر اینصورت ایندکس ها شروع به پاک شدن می کنند و باعث کند شدن عملکرد میشه