目录：

• 实验环境
• 必要库
• 主要文件
• 次要文件
• 使用方法
• 注意事项

实验环境：

• Python 2.x 或 Python 3.x

必要库：

• matplotlib
• numpy
• math
• re

主要文件：

• dataset.txt 数据集：由书名编号和书名组成，例如：B1 A Course on Integral Equations
• stop_words.txt 停用词：用于去除书名中与语义无关的停用词，例如："a", "on", "of"...
• new_data.txt 新数据：由书名编号和书名组成，用于测试LSI的更新
• README.txt 说明文档
• lsi_test.py LSI实现代码

次要文件：

• A.txt 用于存放 关键词-书名 矩阵A，每一行为一个关键词在各个书名中出现的词频数
• A_k.txt 用于存放A的 k-秩近似矩阵 ，每一行为一个词向量
• new_A.txt 用于存放更新书名后的 关键词-书名 矩阵A
• new_A_k.txt 用于存放更新书名后A的 k-秩近似矩阵
• svd_test.py 尝试自己实现SVD分解，还有BUG

使用方法：

• 命令行下：
  1. 切换到LSI_test文件夹下
  2. 执行 python ./lsi_test.py
• 或者使用Python IDE运行

修改参数：

• 在lsi_test.py文件最底部找到

if __name__ == '__main__':
    lsi(book_names_file="./dataset.txt",     # ==>数据集文件路径
        stop_words_file="./stop_words.txt",  # ==>停用词文件路径
        save_A="./A.txt",                    # ==>关键词-书名 矩阵A保存路径
        save_A_k="./A_k.txt",                # ==>A的 k-秩近似矩阵保存路径
        save_new_A="./new_A.txt",            # ==>更新书名后的 关键词-书名 矩阵A保存路径
        save_new_A_k="./new_A_k.txt",        # ==>更新书名后A的 k-秩近似矩阵保存路径
        theta=0.4,                           # ==>k-秩近似矩阵阈值，影响k的取值，由于可视化时只能现实2维数据，因此k=2时可视化结果最为准确，建议无更新时设置theta=0.4，有更新时设置theta=0.3
        cos_treshold=0.9,                    # ==>夹角余弦距离阈值，值越大相似度越高
        # query='Application and theory',
        query=None,                          # ==>查询测试，查询与输入相关的书名，相关书名数量由cos_treshold控制，可设置None关闭
        # update_file="./new_data.txt")
        update_file=None)                    # ==>新书名路径，用于更新测试，可输入None关闭

注意事项：

• 【注】由于只能可视化2维数据，当theta取值过大导致k>2时可能会出现可视化结果与计算的夹角余弦结果不符，而当k<2时无法二维可视化，因此最好使得k=2