信息检索系统的数据结构/算法

Question

我有一个条件在下面的任务-它是关于Java /数据结构的。我将尽量简短地提出我的问题，因为回答这些问题将帮助我找到方向(因为我迷路了)：

1. 您建议使用的数据结构是什么？
2. 你会遵循什么算法？(赞赏详细情况)。

简单的信息检索系统，其中查询包含关键字，需要搜索的文档集合。响应查询，系统标识每个包含全部或部分关键字的文档(最多为n个文档)，并按关键字的降序打印文档名称，即包含所有关键字的文档应该出现在列表的顶部。

Answer 1

首先，您可能正在寻找阿帕奇·卢塞尼，这是一个在java中实现IR系统的开源库！

单独实现某些东西是很困难的，但是IR中最重要的数据结构是倒置指数。

倒排索引实际上是一个map:term->list<index>，它在每个术语之间映射到它所显示的文档。倒排索引的优点-是它符合IR标准操作，如连接(和查询)。

在您的具体问题中，从集合构建一个反向索引，一旦k术语的查询到达-获取与这些术语对应的k列表，并得到它们的联合。

现在，一旦您有了联合--剩下的就是创建一个直方图 (每个术语出现多少个列表，可以实现为HashMap) -并按降序打印这些直方图的键。

如果你想扩展你的IR知识，我建议阅读曼宁的信息检索导论。