文件列表:

.idea/
Functional_code/
data/
agencyID.txt
config.ini

# 一个简单的新闻搜索引擎 这是一个基于Python的新闻搜索平台能够爬取超过一万条网页新闻，它使用多线程和代理IP的爬虫技术，从互联网上抓取指定日期范围内的新闻网页，并对其进行倒排索引和BM25相关性评分，检索结果支持按相关性、时间、热度进行排序，以便用户快速检索感兴趣的新闻。系统的后端使用Flask框架搭建，前端使用JS和CSS实现网页的美化和交互功能，例如将用户输入的关键字在搜索结果中标红显示。此外，系统还利用TF-IDF算法计算任意两个新闻网页之间的相似度，并为每个新闻推荐一些相关的新闻，以增加用户的浏览体验。 ## 使用 （爬虫的代理IP要自己找） spider.py --爬虫程序爬取新闻 index.py --建立倒排索引，并存储到数据库文件 search.py --根据指定算法检索新闻 recommend.py --建立新闻推荐（一个特别大的稀疏矩阵，新闻数据多了就用不了了） main.py --运行 工程里面有一些文件是没有用的，只是用来测试的 运行环境是python 3.10 ## 运行结果   这是刚学习完搜索引擎这门课程的课程设计作业，在完成的过程中也是一边学习github上大佬的作品一边完成的。还有许多需要改进的地方，因为时间问题就没有再继续做了。

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：