-2 
chdir("c:/perl/normalized");
$docid=0;
use List::MoreUtils qw( uniq );
my %hash = ();
@files = <*>;
foreach $file (@files) 
  {
    $docid++;
    open (input, $file);    
    while (<input>) 
      {
    open (output,'>>c:/perl/postinglist/total');
    chomp;
    (@words) = split(" ");  
    foreach $word (@words)
    {
    push @{ $hash{$word} }, $docid;

    }
      }
   }
foreach $key (sort keys %hash) 
{
    $size = scalar (@{$hash{$key}});    
    print output "Term: $key,   Frequency:$size,    Document(s):", join(" ", uniq @{ $hash{$key} }), "\n";
}


close (input);
close (output);

join(" ", uniq @{ $hash{$key} })出力が次のようになる前に：

Term:of Frequency:35  Document(s): 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 4 4 4 4 5 6 6 7 7 7 7 7 7 7 7 7

ドキュメントは、周波数が配布された場所を示しています

Term:of Frequency:35  Document(s):1 2 3 4 5 6 7

ここまでは問題ありません...重複を削除するためのカウンターを保持したいのですが、そのような私の新しい出力は

Term:of Frequency:35  Document(s) of: 1(10) 2(7) 3(2) 4(4) 5(1) 6(2) 7(9)

それが値（カウンター）です

ソースコードにいくつかの変更を加えることで、自分の問題を修正できました

chdir("c:/perl/normalized");
$docid=0;
my %hash = ();
@files = <*>;
foreach $file (@files) 
  {$counter=0;
    $docid++;
    open (input, $file);    
    while (<input>) 
      {
    open (output,'>>c:/perl/tokens/total');
    chomp;
    (@words) = split(" ");  
    foreach $word (@words)
    { 

     push @{ $hash{$word}{$docid}},$counter;
    @{$hash{$word}{$docid}}[$counter]++;


    }
      }
   }

foreach my $line (sort keys %hash) {
        print output "Term:$line \n";
        foreach my $elem (sort keys %{$hash{$line}}) {
            print output"  Doc:$elem " . "freq:".@{$hash{$line}->{$elem}} . "\n";
        }
    }


close (input);
close (output);
4

1 に答える 1

1

最善の策は、配列の代わりにハッシュを使用し、ハッシュの値としてカウントを維持することです。変化する

push @{ $hash{$word} }, $docid;

に

++$hash{$word}{$docid};

keysドキュメントIDを取得するために使用します。順序は失われますが、数値ソートを使用して簡単に復元できます。

于 2012-11-07T09:42:36.187 に答える