MED1_out.txt

Building tfidf matrix...

Done.

Tfidf matrix selected.

SVD


Building latent space using svd decomposition...

Current matrix in use is: tfidf.

Done.

Computing query-corpus similarity using SVD latent space...
Embedding type: tfidf
Latent SVD dimension: 100

Done.

Query 0: P: 1.0 R: 0.40540540540540543

Query 1: P: 0.5333333333333333 R: 0.5

Query 2: P: 0.7333333333333333 R: 0.5

Query 3: P: 0.6 R: 0.391304347826087

Query 4: P: 0.9333333333333333 R: 0.5384615384615384

Query 5: P: 0.6666666666666666 R: 0.7692307692307693

Query 6: P: 0.5333333333333333 R: 0.5333333333333333

Query 7: P: 0.3333333333333333 R: 0.45454545454545453

Query 8: P: 0.7333333333333333 R: 0.39285714285714285

Query 9: P: 0.5333333333333333 R: 0.3333333333333333

Query 10: P: 0.7333333333333333 R: 0.6111111111111112

Query 11: P: 0.4666666666666667 R: 0.7777777777777778

Query 12: P: 0.9333333333333333 R: 0.6666666666666666

Query 13: P: 0.8 R: 0.75

Query 14: P: 0.8666666666666667 R: 0.4482758620689655

Query 15: P: 0.5333333333333333 R: 0.6153846153846154

Query 16: P: 0.5333333333333333 R: 0.38095238095238093

Query 17: P: 0.6 R: 0.6

Query 18: P: 0.8 R: 0.4444444444444444

Query 20: P: 0.6666666666666666 R: 0.37037037037037035

Query 21: P: 0.3333333333333333 R: 0.2

Query 22: P: 0.9333333333333333 R: 0.358974358974359

Query 23: P: 0.8 R: 0.5454545454545454

Query 24: P: 0.8666666666666667 R: 0.5416666666666666

Query 25: P: 0.7333333333333333 R: 0.39285714285714285

Query 26: P: 0.8 R: 0.6666666666666666

Query 27: P: 0.8666666666666667 R: 0.3333333333333333

Query 28: P: 0.9333333333333333 R: 0.3783783783783784

Query at least with positive precision: 28 out of 29
AutoEncoder


Declaring autoencoder architecture...

Done.

Current matrix in use is: tfidf.

Training autoencoder ...

Epoch 1 of 100
104it [00:10, 10.34it/s, loss=0.111]  
Epoch 2 of 100
104it [00:09, 10.55it/s, loss=0.111]  
Epoch 3 of 100
104it [00:09, 10.62it/s, loss=0.111]  
Epoch 4 of 100
104it [00:09, 10.52it/s, loss=0.111]  
Epoch 5 of 100
104it [00:09, 10.44it/s, loss=0.111]  
Epoch 6 of 100
104it [00:09, 10.46it/s, loss=0.111]  
Epoch 7 of 100
104it [00:09, 10.44it/s, loss=0.111]  
Epoch 8 of 100
104it [00:09, 10.52it/s, loss=0.111]  
Epoch 9 of 100
104it [00:09, 10.51it/s, loss=0.111]  
Epoch 10 of 100
104it [00:09, 10.47it/s, loss=0.111]  
Epoch 11 of 100
104it [00:09, 10.47it/s, loss=0.111]  
Epoch 12 of 100
104it [00:09, 10.47it/s, loss=0.111]  
Epoch 13 of 100
104it [00:09, 10.46it/s, loss=0.111]  
Epoch 14 of 100
104it [00:09, 10.43it/s, loss=0.111]  
Epoch 15 of 100
104it [00:09, 10.46it/s, loss=0.111]  
Epoch 16 of 100
104it [00:09, 10.45it/s, loss=0.111]  
Epoch 17 of 100
104it [00:09, 10.44it/s, loss=0.111]  
Epoch 18 of 100
104it [00:09, 10.49it/s, loss=0.111]  
Epoch 19 of 100
104it [00:09, 10.46it/s, loss=0.111]  
Epoch 20 of 100
104it [00:10, 10.39it/s, loss=0.111]  
Epoch 21 of 100
104it [00:09, 10.49it/s, loss=0.111]  
Epoch 22 of 100
104it [00:09, 10.46it/s, loss=0.111]  
Epoch 23 of 100
104it [00:10, 10.12it/s, loss=0.111]  
Epoch 24 of 100
104it [00:10, 10.04it/s, loss=0.111]  
Epoch 25 of 100
104it [00:09, 10.48it/s, loss=0.111]  
Epoch 26 of 100
104it [00:09, 10.58it/s, loss=0.111]  
Epoch 27 of 100
104it [00:09, 10.58it/s, loss=0.111]  
Epoch 28 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 29 of 100
104it [00:10, 10.39it/s, loss=0.111]  
Epoch 30 of 100
104it [00:10, 10.39it/s, loss=0.111]  
Epoch 31 of 100
104it [00:10, 10.36it/s, loss=0.111]  
Epoch 32 of 100
104it [00:10, 10.37it/s, loss=0.111]  
Epoch 33 of 100
104it [00:10, 10.33it/s, loss=0.111]  
Epoch 34 of 100
104it [00:10, 10.32it/s, loss=0.111]  
Epoch 35 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 36 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 37 of 100
104it [00:10, 10.34it/s, loss=0.111]  
Epoch 38 of 100
104it [00:10, 10.28it/s, loss=0.111]  
Epoch 39 of 100
104it [00:10, 10.28it/s, loss=0.111]  
Epoch 40 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 41 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 42 of 100
104it [00:10, 10.34it/s, loss=0.111]  
Epoch 43 of 100
104it [00:10, 10.34it/s, loss=0.111]  
Epoch 44 of 100
104it [00:10, 10.28it/s, loss=0.111]  
Epoch 45 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 46 of 100
104it [00:10, 10.28it/s, loss=0.111]  
Epoch 47 of 100
104it [00:10, 10.32it/s, loss=0.111]  
Epoch 48 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 49 of 100
104it [00:10, 10.36it/s, loss=0.111]  
Epoch 50 of 100
104it [00:10, 10.37it/s, loss=0.111]  
Epoch 51 of 100
104it [00:09, 10.41it/s, loss=0.111]  
Epoch 52 of 100
104it [00:10, 10.40it/s, loss=0.111]  
Epoch 53 of 100
104it [00:10, 10.33it/s, loss=0.111]  
Epoch 54 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 55 of 100
104it [00:10, 10.30it/s, loss=0.111]  
Epoch 56 of 100
104it [00:10, 10.28it/s, loss=0.111]  
Epoch 57 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 58 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 59 of 100
104it [00:10, 10.26it/s, loss=0.111]  
Epoch 60 of 100
104it [00:10, 10.25it/s, loss=0.111]  
Epoch 61 of 100
104it [00:10, 10.25it/s, loss=0.111]  
Epoch 62 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 63 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 64 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 65 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 66 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 67 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 68 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 69 of 100
104it [00:10, 10.19it/s, loss=0.111]  
Epoch 70 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 71 of 100
104it [00:10, 10.26it/s, loss=0.111]  
Epoch 72 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 73 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 74 of 100
104it [00:10, 10.18it/s, loss=0.111]  
Epoch 75 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 76 of 100
104it [00:10, 10.35it/s, loss=0.111]  
Epoch 77 of 100
104it [00:10, 10.26it/s, loss=0.111]  
Epoch 78 of 100
104it [00:10, 10.34it/s, loss=0.111]  
Epoch 79 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 80 of 100
104it [00:10, 10.33it/s, loss=0.111]  
Epoch 81 of 100
104it [00:10, 10.24it/s, loss=0.111]  
Epoch 82 of 100
104it [00:10, 10.31it/s, loss=0.111]  
Epoch 83 of 100
104it [00:10, 10.32it/s, loss=0.111]  
Epoch 84 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 85 of 100
104it [00:10, 10.25it/s, loss=0.111]  
Epoch 86 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 87 of 100
104it [00:10, 10.26it/s, loss=0.111]  
Epoch 88 of 100
104it [00:10, 10.33it/s, loss=0.111]  
Epoch 89 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 90 of 100
104it [00:10, 10.24it/s, loss=0.111]  
Epoch 91 of 100
104it [00:10, 10.29it/s, loss=0.111]  
Epoch 92 of 100
104it [00:10, 10.27it/s, loss=0.111]  
Epoch 93 of 100
104it [00:10, 10.24it/s, loss=0.111]  
Epoch 94 of 100
104it [00:10, 10.02it/s, loss=0.111]  
Epoch 95 of 100
104it [00:10,  9.93it/s, loss=0.111]  
Epoch 96 of 100
104it [00:09, 10.57it/s, loss=0.111]  
Epoch 97 of 100
104it [00:09, 10.74it/s, loss=0.111]  
Epoch 98 of 100
104it [00:09, 10.73it/s, loss=0.111]  
Epoch 99 of 100
104it [00:09, 10.78it/s, loss=0.111]  
Epoch 100 of 100
104it [00:09, 10.71it/s, loss=0.111]  
Done.

Building latent space using autoencoder...

Current matrix in use is: tfidf.

Done.ess: 100.00%

Computing single query-corpus similarity using AutoEncoder latent space...
Embedding type: tfidf
Latent AutoEncoder dimension: 200

Done.

Query 0: P: 0.6666666666666666 R: 0.2702702702702703

Query 1: P: 0.4 R: 0.375

Query 2: P: 0.4666666666666667 R: 0.3181818181818182

Query 3: P: 0.06666666666666667 R: 0.043478260869565216

Query 4: P: 0.8 R: 0.46153846153846156

Query 5: P: 0.6 R: 0.6923076923076923

Query 6: P: 0.4666666666666667 R: 0.4666666666666667

Query 7: P: 0.4 R: 0.5454545454545454

Query 8: P: 0.26666666666666666 R: 0.14285714285714285

Query 10: P: 0.26666666666666666 R: 0.2222222222222222

Query 11: P: 0.2 R: 0.3333333333333333

Query 12: P: 0.4666666666666667 R: 0.3333333333333333

Query 13: P: 0.4 R: 0.375

Query 14: P: 0.2 R: 0.10344827586206896

Query 15: P: 0.4666666666666667 R: 0.5384615384615384

Query 16: P: 0.13333333333333333 R: 0.09523809523809523

Query 17: P: 0.6 R: 0.6

Query 18: P: 0.6 R: 0.3333333333333333

Query 19: P: 0.06666666666666667 R: 0.02564102564102564

Query 20: P: 0.4 R: 0.2222222222222222

Query 21: P: 0.4 R: 0.24

Query 22: P: 0.6 R: 0.23076923076923078

Query 23: P: 0.8 R: 0.5454545454545454

Query 24: P: 0.7333333333333333 R: 0.4583333333333333

Query 25: P: 0.06666666666666667 R: 0.03571428571428571

Query 26: P: 0.2 R: 0.16666666666666666

Query 27: P: 0.7333333333333333 R: 0.28205128205128205

Query 28: P: 0.7333333333333333 R: 0.2972972972972973

Query at least with positive precision: 28 out of 29
VariationalAutoEncoder


Declaring variational autoencoder architecture...

Done.

Current matrix in use is: tfidf.

Training variational autoencoder ...

Epoch 1 of 100
104it [00:10,  9.90it/s, loss=0.132] 
Epoch 2 of 100
104it [00:10, 10.33it/s, loss=0.132] 
Epoch 3 of 100
104it [00:10, 10.18it/s, loss=0.132] 
Epoch 4 of 100
104it [00:10, 10.29it/s, loss=0.135] 
Epoch 5 of 100
104it [00:10, 10.34it/s, loss=0.134] 
Epoch 6 of 100
104it [00:10, 10.07it/s, loss=0.132] 
Epoch 7 of 100
104it [00:10, 10.20it/s, loss=0.131] 
Epoch 8 of 100
104it [00:09, 10.41it/s, loss=0.132] 
Epoch 9 of 100
104it [00:10, 10.19it/s, loss=0.13]  
Epoch 10 of 100
104it [00:10,  9.98it/s, loss=0.133] 
Epoch 11 of 100
104it [00:10, 10.31it/s, loss=0.129] 
Epoch 12 of 100
104it [00:09, 10.43it/s, loss=0.133] 
Epoch 13 of 100
104it [00:10, 10.27it/s, loss=0.13]  
Epoch 14 of 100
104it [00:10, 10.23it/s, loss=0.13]  
Epoch 15 of 100
104it [00:10, 10.25it/s, loss=0.131] 
Epoch 16 of 100
104it [00:09, 10.48it/s, loss=0.131] 
Epoch 17 of 100
104it [00:09, 10.41it/s, loss=0.132] 
Epoch 18 of 100
104it [00:10, 10.33it/s, loss=0.129] 
Epoch 19 of 100
104it [00:09, 10.40it/s, loss=0.131] 
Epoch 20 of 100
104it [00:10, 10.33it/s, loss=0.128] 
Epoch 21 of 100
104it [00:10, 10.16it/s, loss=0.129] 
Epoch 22 of 100
104it [00:10, 10.03it/s, loss=0.131] 
Epoch 23 of 100
104it [00:10, 10.15it/s, loss=0.13]  
Epoch 24 of 100
104it [00:10, 10.31it/s, loss=0.129] 
Epoch 25 of 100
104it [00:10, 10.23it/s, loss=0.131] 
Epoch 26 of 100
104it [00:09, 10.41it/s, loss=0.13]  
Epoch 27 of 100
104it [00:10, 10.38it/s, loss=0.129] 
Epoch 28 of 100
104it [00:09, 10.41it/s, loss=0.13]  
Epoch 29 of 100
104it [00:10, 10.39it/s, loss=0.128] 
Epoch 30 of 100
104it [00:10, 10.38it/s, loss=0.129] 
Epoch 31 of 100
104it [00:10, 10.39it/s, loss=0.128] 
Epoch 32 of 100
104it [00:10, 10.36it/s, loss=0.128] 
Epoch 33 of 100
104it [00:09, 10.46it/s, loss=0.128] 
Epoch 34 of 100
104it [00:09, 10.44it/s, loss=0.129] 
Epoch 35 of 100
104it [00:10, 10.19it/s, loss=0.128] 
Epoch 36 of 100
104it [00:09, 10.43it/s, loss=0.129] 
Epoch 37 of 100
104it [00:10, 10.24it/s, loss=0.128] 
Epoch 38 of 100
104it [00:10, 10.36it/s, loss=0.131] 
Epoch 39 of 100
104it [00:10, 10.23it/s, loss=0.128] 
Epoch 40 of 100
104it [00:10, 10.24it/s, loss=0.127] 
Epoch 41 of 100
104it [00:10, 10.16it/s, loss=0.129] 
Epoch 42 of 100
104it [00:10, 10.37it/s, loss=0.128] 
Epoch 43 of 100
104it [00:10, 10.35it/s, loss=0.129] 
Epoch 44 of 100
104it [00:09, 10.42it/s, loss=0.128] 
Epoch 45 of 100
104it [00:10, 10.02it/s, loss=0.127] 
Epoch 46 of 100
104it [00:10, 10.18it/s, loss=0.128] 
Epoch 47 of 100
104it [00:09, 10.57it/s, loss=0.127] 
Epoch 48 of 100
104it [00:09, 10.45it/s, loss=0.128] 
Epoch 49 of 100
104it [00:09, 10.47it/s, loss=0.127] 
Epoch 50 of 100
104it [00:09, 10.44it/s, loss=0.128] 
Epoch 51 of 100
104it [00:10, 10.39it/s, loss=0.128] 
Epoch 52 of 100
104it [00:10, 10.28it/s, loss=0.129] 
Epoch 53 of 100
104it [00:10, 10.16it/s, loss=0.127] 
Epoch 54 of 100
104it [00:09, 10.41it/s, loss=0.125] 
Epoch 55 of 100
104it [00:10, 10.32it/s, loss=0.128] 
Epoch 56 of 100
104it [00:09, 10.41it/s, loss=0.126] 
Epoch 57 of 100
104it [00:10, 10.30it/s, loss=0.125] 
Epoch 58 of 100
104it [00:09, 10.48it/s, loss=0.127] 
Epoch 59 of 100
104it [00:09, 10.54it/s, loss=0.126] 
Epoch 60 of 100
104it [00:09, 10.52it/s, loss=0.125] 
Epoch 61 of 100
104it [00:09, 10.51it/s, loss=0.127] 
Epoch 62 of 100
104it [00:09, 10.50it/s, loss=0.124] 
Epoch 63 of 100
104it [00:09, 10.48it/s, loss=0.126] 
Epoch 64 of 100
104it [00:09, 10.41it/s, loss=0.126] 
Epoch 65 of 100
104it [00:09, 10.44it/s, loss=0.125] 
Epoch 66 of 100
104it [00:09, 10.45it/s, loss=0.124] 
Epoch 67 of 100
104it [00:09, 10.49it/s, loss=0.128] 
Epoch 68 of 100
104it [00:09, 10.46it/s, loss=0.125] 
Epoch 69 of 100
104it [00:09, 10.53it/s, loss=0.126] 
Epoch 70 of 100
104it [00:09, 10.46it/s, loss=0.125] 
Epoch 71 of 100
104it [00:09, 10.47it/s, loss=0.125] 
Epoch 72 of 100
104it [00:09, 10.43it/s, loss=0.124] 
Epoch 73 of 100
104it [00:09, 10.46it/s, loss=0.124] 
Epoch 74 of 100
104it [00:09, 10.49it/s, loss=0.124] 
Epoch 75 of 100
104it [00:09, 10.44it/s, loss=0.125]
Epoch 76 of 100
104it [00:09, 10.45it/s, loss=0.126] 
Epoch 77 of 100
104it [00:10, 10.27it/s, loss=0.125] 
Epoch 78 of 100
104it [00:09, 10.43it/s, loss=0.125] 
Epoch 79 of 100
104it [00:10, 10.37it/s, loss=0.125] 
Epoch 80 of 100
104it [00:10, 10.39it/s, loss=0.124] 
Epoch 81 of 100
104it [00:10, 10.36it/s, loss=0.125] 
Epoch 82 of 100
104it [00:10, 10.37it/s, loss=0.125] 
Epoch 83 of 100
104it [00:10, 10.19it/s, loss=0.124] 
Epoch 84 of 100
104it [00:10, 10.16it/s, loss=0.124] 
Epoch 85 of 100
104it [00:09, 10.45it/s, loss=0.125] 
Epoch 86 of 100
104it [00:10, 10.39it/s, loss=0.125] 
Epoch 87 of 100
104it [00:10, 10.12it/s, loss=0.124] 
Epoch 88 of 100
104it [00:10, 10.33it/s, loss=0.124] 
Epoch 89 of 100
104it [00:09, 10.51it/s, loss=0.122] 
Epoch 90 of 100
104it [00:09, 10.42it/s, loss=0.124] 
Epoch 91 of 100
104it [00:09, 10.41it/s, loss=0.123] 
Epoch 92 of 100
104it [00:09, 10.44it/s, loss=0.125] 
Epoch 93 of 100
104it [00:10, 10.32it/s, loss=0.125] 
Epoch 94 of 100
104it [00:10, 10.21it/s, loss=0.123] 
Epoch 95 of 100
104it [00:10, 10.26it/s, loss=0.123] 
Epoch 96 of 100
104it [00:10,  9.99it/s, loss=0.124] 
Epoch 97 of 100
104it [00:09, 10.48it/s, loss=0.123] 
Epoch 98 of 100
104it [00:10, 10.35it/s, loss=0.124] 
Epoch 99 of 100
104it [00:10, 10.27it/s, loss=0.123] 
Epoch 100 of 100
104it [00:10, 10.18it/s, loss=0.122] 
Done.

Building latent space using variational autoencoder...

Current matrix in use is: tfidf.

Done.ess: 100.00%

Computing single query-corpus similarity using Variational Autoencoder latent space...
Embedding type: tfidf
Latent Variational AutoEncoder dimension: 200

Done.

Query 2: P: 0.06666666666666667 R: 0.045454545454545456

Query 3: P: 0.06666666666666667 R: 0.043478260869565216

Query 4: P: 0.06666666666666667 R: 0.038461538461538464

Query 9: P: 0.06666666666666667 R: 0.041666666666666664

Query 11: P: 0.06666666666666667 R: 0.1111111111111111

Query 13: P: 0.06666666666666667 R: 0.0625

Query 20: P: 0.06666666666666667 R: 0.037037037037037035

Query 24: P: 0.13333333333333333 R: 0.08333333333333333

Query 25: P: 0.06666666666666667 R: 0.03571428571428571

Query 27: P: 0.06666666666666667 R: 0.02564102564102564

Query 28: P: 0.06666666666666667 R: 0.02702702702702703

Query at least with positive precision: 11 out of 29
Queries information:
 
SVD info:
Query 0: P: 1.0 R: 0.40540540540540543
Query 1: P: 0.5333333333333333 R: 0.5
Query 2: P: 0.7333333333333333 R: 0.5
Query 3: P: 0.6 R: 0.391304347826087
Query 4: P: 0.9333333333333333 R: 0.5384615384615384
Query 5: P: 0.6666666666666666 R: 0.7692307692307693
Query 6: P: 0.5333333333333333 R: 0.5333333333333333
Query 7: P: 0.3333333333333333 R: 0.45454545454545453
Query 8: P: 0.7333333333333333 R: 0.39285714285714285
Query 9: P: 0.5333333333333333 R: 0.3333333333333333
Query 10: P: 0.7333333333333333 R: 0.6111111111111112
Query 11: P: 0.4666666666666667 R: 0.7777777777777778
Query 12: P: 0.9333333333333333 R: 0.6666666666666666
Query 13: P: 0.8 R: 0.75
Query 14: P: 0.8666666666666667 R: 0.4482758620689655
Query 15: P: 0.5333333333333333 R: 0.6153846153846154
Query 16: P: 0.5333333333333333 R: 0.38095238095238093
Query 17: P: 0.6 R: 0.6
Query 18: P: 0.8 R: 0.4444444444444444
Query 19: P: 0.0 R: 0.0
Query 20: P: 0.6666666666666666 R: 0.37037037037037035
Query 21: P: 0.3333333333333333 R: 0.2
Query 22: P: 0.9333333333333333 R: 0.358974358974359
Query 23: P: 0.8 R: 0.5454545454545454
Query 24: P: 0.8666666666666667 R: 0.5416666666666666
Query 25: P: 0.7333333333333333 R: 0.39285714285714285
Query 26: P: 0.8 R: 0.6666666666666666
Query 27: P: 0.8666666666666667 R: 0.3333333333333333
Query 28: P: 0.9333333333333333 R: 0.3783783783783784
AutoEncoder info:
Query 0: P: 0.6666666666666666 R: 0.2702702702702703
Query 1: P: 0.4 R: 0.375
Query 2: P: 0.4666666666666667 R: 0.3181818181818182
Query 3: P: 0.06666666666666667 R: 0.043478260869565216
Query 4: P: 0.8 R: 0.46153846153846156
Query 5: P: 0.6 R: 0.6923076923076923
Query 6: P: 0.4666666666666667 R: 0.4666666666666667
Query 7: P: 0.4 R: 0.5454545454545454
Query 8: P: 0.26666666666666666 R: 0.14285714285714285
Query 9: P: 0.0 R: 0.0
Query 10: P: 0.26666666666666666 R: 0.2222222222222222
Query 11: P: 0.2 R: 0.3333333333333333
Query 12: P: 0.4666666666666667 R: 0.3333333333333333
Query 13: P: 0.4 R: 0.375
Query 14: P: 0.2 R: 0.10344827586206896
Query 15: P: 0.4666666666666667 R: 0.5384615384615384
Query 16: P: 0.13333333333333333 R: 0.09523809523809523
Query 17: P: 0.6 R: 0.6
Query 18: P: 0.6 R: 0.3333333333333333
Query 19: P: 0.06666666666666667 R: 0.02564102564102564
Query 20: P: 0.4 R: 0.2222222222222222
Query 21: P: 0.4 R: 0.24
Query 22: P: 0.6 R: 0.23076923076923078
Query 23: P: 0.8 R: 0.5454545454545454
Query 24: P: 0.7333333333333333 R: 0.4583333333333333
Query 25: P: 0.06666666666666667 R: 0.03571428571428571
Query 26: P: 0.2 R: 0.16666666666666666
Query 27: P: 0.7333333333333333 R: 0.28205128205128205
Query 28: P: 0.7333333333333333 R: 0.2972972972972973
VariationalAutoEncoder info:
Query 0: P: 0.0 R: 0.0
Query 1: P: 0.0 R: 0.0
Query 2: P: 0.06666666666666667 R: 0.045454545454545456
Query 3: P: 0.06666666666666667 R: 0.043478260869565216
Query 4: P: 0.06666666666666667 R: 0.038461538461538464
Query 5: P: 0.0 R: 0.0
Query 6: P: 0.0 R: 0.0
Query 7: P: 0.0 R: 0.0
Query 8: P: 0.0 R: 0.0
Query 9: P: 0.06666666666666667 R: 0.041666666666666664
Query 10: P: 0.0 R: 0.0
Query 11: P: 0.06666666666666667 R: 0.1111111111111111
Query 12: P: 0.0 R: 0.0
Query 13: P: 0.06666666666666667 R: 0.0625
Query 14: P: 0.0 R: 0.0
Query 15: P: 0.0 R: 0.0
Query 16: P: 0.0 R: 0.0
Query 17: P: 0.0 R: 0.0
Query 18: P: 0.0 R: 0.0
Query 19: P: 0.0 R: 0.0
Query 20: P: 0.06666666666666667 R: 0.037037037037037035
Query 21: P: 0.0 R: 0.0
Query 22: P: 0.0 R: 0.0
Query 23: P: 0.0 R: 0.0
Query 24: P: 0.13333333333333333 R: 0.08333333333333333
Query 25: P: 0.06666666666666667 R: 0.03571428571428571
Query 26: P: 0.0 R: 0.0
Query 27: P: 0.06666666666666667 R: 0.02564102564102564
Query 28: P: 0.06666666666666667 R: 0.02702702702702703


Average precision and recall:

SVD: P: 0.6827586206896552 R: 0.4793374360724306
AutoEncoder: P: 0.4206896551724137 R: 0.3018715475544819
VariationalAutoEncoder: P: 0.02758620689655172 R: 0.019014649355728816

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

General information:
IR object with 1033 documents and 29 queries.
Current matrix-type (i.e. text-embedding type: tfidf, wc) in use is: tfidf.
Matrix shape: (1033, 8464) ---> (# docs: 1033, # words: 8464)

SVD information:
SVD latent space: True
SVD latent space dimension: 100

Autoencoder information:
Autoencoder trained: True
Autoencoder latent space: True
Autoencoder latent space dimension: 200
Autoencoder architecture: AutoEncoder(
  (img_2hid): Linear(in_features=8464, out_features=5000, bias=True)
  (hid_2hid_en): Linear(in_features=5000, out_features=2000, bias=True)
  (hid_2z): Linear(in_features=2000, out_features=200, bias=True)
  (R): Linear(in_features=200, out_features=8464, bias=True)
  (relu): ReLU()
  (tanh): Tanh()
  (softmax): Softmax(dim=0)
)
Losses: 0.11081306636333466
Variational Autoencoder information:
Variational Autoencoder trained: True
Variational Autoencoder latent space: True
Variational Autoencoder latent space dimension: 200
Variational Autoencoder architecture: VariationalAutoEncoder(
  (img_2hid): Linear(in_features=8464, out_features=5000, bias=True)
  (hid_2hid_en): Linear(in_features=5000, out_features=2000, bias=True)
  (hid_2mu): Linear(in_features=2000, out_features=200, bias=True)
  (hid_2sigma): Linear(in_features=2000, out_features=200, bias=True)
  (R): Linear(in_features=200, out_features=8464, bias=True)
  (relu): ReLU()
  (tanh): Tanh()
  (softmax): Softmax(dim=0)
)
Losses: 0.12196608632802963

Queries:
Similiraty with .QRY queries computed in SVD latent space under tfidf text embedding: True
Similarity with .QRY queries computed in Autoencoder latent space under tfidf text embedding: True
 Similarity with .QRY queries computed in Variational Autoencoder latent space under tfidf text embedding: True
To have complete information about .QRY queries, call complete_queries_info()

Possible actions:
1. Build tfidf matrix: build_tfidf_matrix()
2. Build wc matrix: build_wc_matrix()
3. Select matrix type: select_matrix_type('tfidf' or 'wc')
4. Build SVD latent space: build_svd_latent_space(n_components)
5. Build autoencoder: build_autoencoder(input_dim, h_dim_1, h_dim_2, h_dim_3, z_dim)
6. Train autoencoder: train_autoencoder(BATCH_SIZE, NUM_EPOCHS, loss_fn, lr)
7. Build autoencoder latent space: build_autoencoder_latent_space()
8. Process query in SVD latent space: process_query_svd(query)
9. Process query in Autoencoder latent space: process_query_autoencoder(query)
10. Retrieve documents: retrieve_documents(similarity_matrix, n_docs)



---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------


Queries information:
 
SVD info:
Query 0: P: 1.0 R: 0.40540540540540543
Query 1: P: 0.5333333333333333 R: 0.5
Query 2: P: 0.7333333333333333 R: 0.5
Query 3: P: 0.6 R: 0.391304347826087
Query 4: P: 0.9333333333333333 R: 0.5384615384615384
Query 5: P: 0.6666666666666666 R: 0.7692307692307693
Query 6: P: 0.5333333333333333 R: 0.5333333333333333
Query 7: P: 0.3333333333333333 R: 0.45454545454545453
Query 8: P: 0.7333333333333333 R: 0.39285714285714285
Query 9: P: 0.5333333333333333 R: 0.3333333333333333
Query 10: P: 0.7333333333333333 R: 0.6111111111111112
Query 11: P: 0.4666666666666667 R: 0.7777777777777778
Query 12: P: 0.9333333333333333 R: 0.6666666666666666
Query 13: P: 0.8 R: 0.75
Query 14: P: 0.8666666666666667 R: 0.4482758620689655
Query 15: P: 0.5333333333333333 R: 0.6153846153846154
Query 16: P: 0.5333333333333333 R: 0.38095238095238093
Query 17: P: 0.6 R: 0.6
Query 18: P: 0.8 R: 0.4444444444444444
Query 19: P: 0.0 R: 0.0
Query 20: P: 0.6666666666666666 R: 0.37037037037037035
Query 21: P: 0.3333333333333333 R: 0.2
Query 22: P: 0.9333333333333333 R: 0.358974358974359
Query 23: P: 0.8 R: 0.5454545454545454
Query 24: P: 0.8666666666666667 R: 0.5416666666666666
Query 25: P: 0.7333333333333333 R: 0.39285714285714285
Query 26: P: 0.8 R: 0.6666666666666666
Query 27: P: 0.8666666666666667 R: 0.3333333333333333
Query 28: P: 0.9333333333333333 R: 0.3783783783783784
AutoEncoder info:
Query 0: P: 0.6666666666666666 R: 0.2702702702702703
Query 1: P: 0.4 R: 0.375
Query 2: P: 0.4666666666666667 R: 0.3181818181818182
Query 3: P: 0.06666666666666667 R: 0.043478260869565216
Query 4: P: 0.8 R: 0.46153846153846156
Query 5: P: 0.6 R: 0.6923076923076923
Query 6: P: 0.4666666666666667 R: 0.4666666666666667
Query 7: P: 0.4 R: 0.5454545454545454
Query 8: P: 0.26666666666666666 R: 0.14285714285714285
Query 9: P: 0.0 R: 0.0
Query 10: P: 0.26666666666666666 R: 0.2222222222222222
Query 11: P: 0.2 R: 0.3333333333333333
Query 12: P: 0.4666666666666667 R: 0.3333333333333333
Query 13: P: 0.4 R: 0.375
Query 14: P: 0.2 R: 0.10344827586206896
Query 15: P: 0.4666666666666667 R: 0.5384615384615384
Query 16: P: 0.13333333333333333 R: 0.09523809523809523
Query 17: P: 0.6 R: 0.6
Query 18: P: 0.6 R: 0.3333333333333333
Query 19: P: 0.06666666666666667 R: 0.02564102564102564
Query 20: P: 0.4 R: 0.2222222222222222
Query 21: P: 0.4 R: 0.24
Query 22: P: 0.6 R: 0.23076923076923078
Query 23: P: 0.8 R: 0.5454545454545454
Query 24: P: 0.7333333333333333 R: 0.4583333333333333
Query 25: P: 0.06666666666666667 R: 0.03571428571428571
Query 26: P: 0.2 R: 0.16666666666666666
Query 27: P: 0.7333333333333333 R: 0.28205128205128205
Query 28: P: 0.7333333333333333 R: 0.2972972972972973
VariationalAutoEncoder info:
Query 0: P: 0.0 R: 0.0
Query 1: P: 0.0 R: 0.0
Query 2: P: 0.06666666666666667 R: 0.045454545454545456
Query 3: P: 0.06666666666666667 R: 0.043478260869565216
Query 4: P: 0.06666666666666667 R: 0.038461538461538464
Query 5: P: 0.0 R: 0.0
Query 6: P: 0.0 R: 0.0
Query 7: P: 0.0 R: 0.0
Query 8: P: 0.0 R: 0.0
Query 9: P: 0.06666666666666667 R: 0.041666666666666664
Query 10: P: 0.0 R: 0.0
Query 11: P: 0.06666666666666667 R: 0.1111111111111111
Query 12: P: 0.0 R: 0.0
Query 13: P: 0.06666666666666667 R: 0.0625
Query 14: P: 0.0 R: 0.0
Query 15: P: 0.0 R: 0.0
Query 16: P: 0.0 R: 0.0
Query 17: P: 0.0 R: 0.0
Query 18: P: 0.0 R: 0.0
Query 19: P: 0.0 R: 0.0
Query 20: P: 0.06666666666666667 R: 0.037037037037037035
Query 21: P: 0.0 R: 0.0
Query 22: P: 0.0 R: 0.0
Query 23: P: 0.0 R: 0.0
Query 24: P: 0.13333333333333333 R: 0.08333333333333333
Query 25: P: 0.06666666666666667 R: 0.03571428571428571
Query 26: P: 0.0 R: 0.0
Query 27: P: 0.06666666666666667 R: 0.02564102564102564
Query 28: P: 0.06666666666666667 R: 0.02702702702702703


Average precision and recall:

SVD: P: 0.6827586206896552 R: 0.4793374360724306
AutoEncoder: P: 0.4206896551724137 R: 0.3018715475544819
VariationalAutoEncoder: P: 0.02758620689655172 R: 0.019014649355728816