在進行實驗之前，先了解相關反饋和盲反饋的一些概念：
相關反饋是基於用戶的，由用戶標出初次查詢結果相關還是不相關，再經過Rocchio算法或其他算法使檢索結果更能滿足用戶需求；
盲反饋也稱僞反饋，是由計算機自動處理檢索結果，不需要用戶的參與也可以得到比較滿意的檢索效果。這種方法假定用戶初始檢索結果的前k篇文檔是相關的，再由系統抽選出這k篇文檔的特徵詞，然後把這些特徵詞和初始查詢詞再放入搜索框中進行二次檢索，這種行爲我們稱之爲“擴展查詢詞”。通過擴展查詢詞可以提高檢索系統的性能。
本項目就是基於盲反饋理論以及結合相應算法編寫一個檢索系統，並通過一系列的評價指標來測試此係統的性能。本系統是經過小組成員結合相關理論後而確定實施的，本文從項目最初代碼的編寫，直到一個檢索系統的成功運行，以及涉及到的信息檢索的理論，筆者都會一一講解。
編程環境的準備：PHP+MySQL+Apache（項目初期沒有使用MySQL，隨着後期數據集的增大，可以考慮）
額外知識：HTML+CSS+JS+Ajax（主要用於前臺的顯示）
語料庫：本實驗使用搜狗實驗室提供的語料庫http://www.sogou.com/labs/dl/c.html
在測試時筆者使用的是mini版的10篇IT新聞（文件目錄名問C000010）
在代碼編寫過程中，筆者先使用過程化的方法，然後再把各個功能封裝到Tool.class.php的工具類中，便於以後代碼重用。
首先，建立自己的詞表。
筆者是這樣考慮的，假如有三篇文檔，文檔內容爲：
（html html)
（java html java)
（python java）
先對這三遍文檔去重，
（html）
（java html）
（python java）
然後合併這三篇文檔：
（html java html python java）
然後再對其去重，並且按字母升序排列：
（html java python）
這樣就可以得到我們自己的詞典了。
那爲什麼我們不直接把最初的三篇文檔先合併再去重，這樣不就可以省去對三篇文檔分別去重這一步了嗎？事實上我們也是這樣做的，上面是爲了便於我們理解我們的文檔頻率df是怎麼計算出來的，由紅色字體部分我們可以知道，有多少個重複的詞，這個詞的的文檔頻率就是多少。比如html的df爲2，java的爲2，python爲1.
在中文分詞系統中，我們採用的是分詞工具SCWS，使用PHP調用他提供的方法get_tops可以得到分詞的情況，在內部他已經幫我們對每篇文檔去了重，並且計算出了每個詞的出現的次數times。
我們先來了解一下初始配置文件init.inc.php
<?php
define('TEXT_PATH','D:\AppServ\www\BlindFeedback\SogouC.mini.20061127\SogouC.mini\Sample\C000010');
define('ROOT_PATH',dirname(__FILE__));
require_once 'func.inc.php';
require_once 'Tool.class.php';
?>此文件定義了兩個常量，TEXT_PATH是保存搜狗實驗室的10篇IT新聞的硬路徑，ROOT_PATH是系統存儲位置的硬路徑；然後是require引入的兩個文件，func.inc.php用來存放使用到的函數,以後會講到；Tool.class.php存放系統主要的功能，隨着功能的增多，可能會再創建一個類。以後需要用到的配置都存放到這個文件中。
在Tool.class.php文件中我們定義了一個靜態方法，用來獲得並存儲詞表：
class Tool{
//獲取並存儲詞表
static public function dic($seg){
$dic=array(); //詞表
for($i=0;$i<count($seg);$i++){
for($j=0;$j<count($seg[$i]);$j++){
array_push($dic,$seg[$i][$j]['word']);
}
}
$dic=array_unique($dic);
sort($dic);
$dic=implode(',',$dic);
//把詞表存儲起來
$fp=fopen('dic.txt','w');
if(!$fp) exit('詞典打開失敗！');
if(!fwrite($fp,$dic)) exit('詞典寫入失敗！');
fclose($fp);
}
?>這個方法需要傳遞一個參數，這個參數是由Tool.class.php裏定義的一個分詞方法segment得來的，稍後會講到。變量$seg是一個三維數組，$seg[i][j][]表示第i篇文檔的第j個詞。通過兩個for循環，把該詞壓入數組$dic中（array_push方法可以壓入具有相同值的元素），然後array_unique對$dic去重，再按中文拼音字母升序排列，一個數組形式的詞表產生了。爲了把該詞表存入文件名爲dic的txt文件中，需要使用imploded方法把數組通過“，”連接成字符串，然後在使用文件方法fopen把詞表存入dic.txt.
上面提到的segment分詞方法代碼如下：
//scws分詞
static function segment($str){
if(!$scws=scws_new()) exit('創建SCWS對象失敗！'); //創建SCWS
$scws->set_charset('gbk'); //設置字符集
if(!$scws->set_dict('C:\Program Files\scws\dict.xdb')) exit('詞典路徑設置失敗！');
$scws->set_multi(1);
$scws->set_ignore(true); //忽略標點
if(is_string($str)){
$scws->send_text($str);
$top=$scws->get_tops(800);
}else if(is_array($str)){
for($i=0;$i<count($str);$i++){
$scws->send_text($str[$i]['con']);
$top[]=$scws->get_tops(800);
}
}
return $top;
}該方法需要傳第一個參數該參數可以說字符串，也可以是包含內容的數組。可以使用下面介紹的fileStr方法獲取10篇IT新聞的內容並把它們存入數組中。segment方法內部都是調用SCWS提供的分詞方法，如需詳細瞭解可以到SCWS官網查看文檔（該項目開源）。筆者只介紹get_tops方法，該方法返回的是最終的分詞結果：
由於詞的數量太多，以後實驗效果截圖只截取前面和最後的部分。可以看到get_tops的返回結果是一個三維數組[word]表示所截取的詞，[times]表示詞頻,[weight]表示權重（不是我們所瞭解的tf*idf），[attr]表示詞性。get_tops方法已經爲我們除去了大部分無意義的詞。與get_tops相對應的是get_result,它返回的是所有分好的詞，包括停用詞、標點符號等。