C 向量空间模型查询-文档集搜索

我正在尝试用c编写vsm搜索的代码。因此，我使用一组文档构建了一个哈希表索引，其中每个插槽包含一个单词及其df，以及一个指向列表的指针，在该列表中，每个插槽包含一个文档的名称，其中该单词与TF一起出现了至少一次，在该文档中出现了多少次。用户会写一个问题，也会选择加权qqq.ddd和比较方法，但这与我的问题无关，我必须从最相关的到最不相关的打印文档给他。所以我看到的示例显示了只有一个文档的步骤，例如：我们有一个1.000.000文档的集合sn=1.000.000，我们想要比较

1 document: car insurance auto insurance
with the queston: best car insurance

因此，在本例中，它创建了如下数组：

Term     | Query |   Document
         |  tf   |      tf
auto     |  0    |      1
best     |  1    |      0 
car      |  1    |      1
insurance|  1    |      2

该示例还提供了每个词的df，因此使用这些线索以及加权和比较方法，很容易对它们进行比较，通过找到数组中每个词的4个坐标1，将它们转换为向量。 因此，在本例中，有1.000.000个文档，为了了解文档与查询的相关性，我们在查询和文档中使用了4个单词中的每4个单词1次。所以我们必须找到4个坐标，然后比较。 在我试图做的事情中，有8000个文档，每个文档有3到50个单词。那么，我该如何比较查询与每个文档的相关性呢？如果我有

a query: ping pong 
document 1: this is ping kong
document 2: i am ping tongue

为了比较查询文档1，我将使用以下词语：这是乒乓球so 5坐标；为了比较查询文档2，我将使用以下词语：我是乒乓球舌头是孔6坐标，因为我使用相同的比较方法，所以得分最高的一个是最相关的？或者我必须同时使用这两个词：这是ping kong am Ang kong 7坐标？所以我的问题是，哪种方法是比较所有这些8000份文件的正确方法？我希望我能成功地使我的问题易于理解。谢谢你抽出时间