java lucene的语义搜索结果

Question

我在Lucene上实现了潜在的语义分析

算法的结果是由2列组成的矩阵，其中第一列是文档的索引，第二列是相似度。

我想在org.apache.lucene.search.Collector中写入对Searcher的方法搜索的响应，但是我不知道如何在收集器对象中设置结果。

搜索方法的代码是：

    public void search(Weight weight, Filter filter, Collector collector) throws IOException                
{
    String textQuery = weight.getQuery().toString("contents");
    System.out.println(textQuery);
    double[][] ind;
    ind = lsa.searchOnDoc(textQuery);
    //ind contains the index and the similarity
    if (ind != null)
    {
        //construct the collector object
        for (int i=0; i<ind.length; i++)
        {
            int doc =(int) ind[i][0];
            double simi = ind[i][1]
            //collector.collect(doc);
            //collector.setScorer(sim]);
            //This is the problem
        }
    }
    else
    {
        collector = null;
    }
}

我不知道复制收集器对象中ind值的正确步骤。

你能帮帮我吗?

Answer 1

我不太明白你为什么决定把LSI推入Searcher。

从Weight获取文本查询看起来特别模糊--为什么不使用原始查询并跳过所有(中断的)转换？

但是Collector的处理方式如下。

对于索引中的每个段：

1. 为其提供相应的SegmentReader和collector.setNextReader(reader, base)。您可以在图层阅读器上使用ir.getSequentialSubReaders()和ir.getSubReaderStarts()获得这些信息。所以，

- `reader` _may_ be used by `collector` to load sort fields/caches during collection, and additional fields to augment search result when collection is done,
- `base` is the number added to segment/local docIDs (they start from 0 for each segment) to convert them to index/global docIDs. 

​

1. 为它提供了一个带有collector.setScorer(scorer)的Scorer实现。

collector可以在下一阶段使用它来获得文档的评分。虽然如果收集器只计算结果，或者对某些存储字段进行排序，或者感觉如此-- scorer将被忽略。

collected.

• Repeatedly实例上唯一的方法收集器调用的方法是scorer.score()，它应该返回当前文档的分数(我骗您不这么做)，它是具有与查询匹配的分段/本地文档I的单调递增序列的scorer.score()调用collector.collect(id)。

回到您的代码--制作一些实现Scorer的包装器，在每次迭代时使用带有simi更新的字段的单个实例，让包装器的score()方法返回该字段，在循环之前使用setScorer()将该实例插入收集器中。

您还需要lsa.searchOnDoc来返回每个段的结果。