apache-lucene-3x-推薦教程-資料下載頁(yè)
2025-08-04 10:09本頁(yè)面
【正文】 而后者只針對(duì)指定域進(jìn)行修改。默認(rèn)情值為1F，一般不做修改。使用Sort對(duì)象定制排序。Sort支持的排序功能以文檔當(dāng)中的域?yàn)閱挝?，通過這種方法，可以實(shí)現(xiàn)一個(gè)或者多個(gè)不同域的多形式的值排序。時(shí)間類型的屬性采用STRING常量。. 按相關(guān)度排序1，相關(guān)度得分是在查詢時(shí)根據(jù)查詢條件實(shí)進(jìn)計(jì)算出來(lái)的2，如果索引庫(kù)據(jù)不變，查詢條件不變，查出的文檔得分也不變. 按指定的字段排序If you want to be able to sort results by a Field value, you must add it as a Field that is indexed but not analyzed, using .4. 過濾（Filter）使用Filter可以對(duì)搜索結(jié)果進(jìn)行過濾以獲得更小范圍的結(jié)果。使用Filter對(duì)性能的影響很大（有可能會(huì)使查詢慢上百倍）。使用NumericRangeFilter。也可使用相應(yīng)的查詢實(shí)現(xiàn)一樣的效果。5. 高亮（Highlight）需要的jar包為：contrib\highlighter\contrib\memory\// 生成高亮器Formatter formatter = new SimpleHTMLFormatter(span class=39。kw39。, /span)。Scorer scorer = new QueryScorer(query)。Highlighter highlighter = new Highlighter(formatter, scorer)。(new SimpleFragmenter(20))。// 使用高亮器：對(duì)content屬性值進(jìn)行摘要并高亮String text = ((), content, (content))。// 如果進(jìn)行高亮的屬性值中沒有要搜索的關(guān)鍵字，則返回nullif (text != null) { (content).setValue(text)。}6. Analyzer（分詞器：結(jié)構(gòu)與常用的中文分詞器）. 分詞器結(jié)構(gòu)創(chuàng)建索引與進(jìn)行搜索要使用同一個(gè)分詞器。分詞器的一般工作流程：1， 切分關(guān)鍵詞2， 去除停用詞3，對(duì)于英文單詞，一般要還做：英文單詞的所有字母轉(zhuǎn)為小寫說明：形態(tài)還原，是去除單詞詞尾的形態(tài)變化，將其還原為詞的原形。這樣做可以搜索出更多有意義的結(jié)果。如搜索sutdent時(shí)，也可以搜索出students，這是很有用的。. 停用詞有些詞在文本中出現(xiàn)的頻率非常高，但是對(duì)文本所攜帶的信息基本不產(chǎn)生影響，例如英文的“a、an、the、of”，或中文的“的、了、著”，以及各種標(biāo)點(diǎn)符號(hào)等，這樣的詞稱為停用詞（stop word）。文本經(jīng)過分詞之后，停用詞通常被過濾掉，不會(huì)被進(jìn)行索引。在檢索的時(shí)候，用戶的查詢中如果含有停用詞，檢索系統(tǒng)也會(huì)將其過濾掉（因?yàn)橛脩糨斎氲牟樵冏址惨M(jìn)行分詞處理）。排除停用詞可以加快建立索引的速度，減小索引庫(kù)文件的大小。. 對(duì)英文的的處理. 中文分詞器中文的分詞比較復(fù)雜，因?yàn)椴皇且粋€(gè)字就是一個(gè)詞，而且一個(gè)詞在另外一個(gè)地方就可能不是一個(gè)詞，如在“帽子和服裝”中，“和服”就不是一個(gè)詞。對(duì)于中文分詞，通常有三種方式：?jiǎn)巫址衷~、二分法分詞、詞典分詞。l 單字分詞：就是按照中文一個(gè)字一個(gè)字地進(jìn)行分詞。如：“我們是中國(guó)人”，效果：“我”、“們”、“是”、“中”、“國(guó)”、“人”。（StandardAnalyzer就是這樣）。l 二分法分詞：按兩個(gè)字進(jìn)行切分。如：“我們是中國(guó)人”，效果：“我們”、“們是”、“是中”、“中國(guó)”、“國(guó)人”。（CJKAnalyzer就是這樣）。l 詞庫(kù)分詞：按某種算法構(gòu)造詞，然后去匹配已建好的詞庫(kù)集合，如果匹配到就切分出來(lái)成為詞語(yǔ)。通常詞庫(kù)分詞被認(rèn)為是最理想的中文分詞算法。如：“我們是中國(guó)人”，效果為：“我們”、“中國(guó)人”。（使用極易分詞的MMAnalyzer?？梢允褂谩皹O易分詞”，或者是“庖丁分詞”分詞器、IKAnalyzer）。其他的中文分詞器有：1， 極易分詞：MMAnalyzer，更新時(shí)間是20071205，2， 庖丁分詞：PaodingAnalzyer，更新時(shí)間是20080603，中文分詞器使用IKAnalyzer，主頁(yè)：。實(shí)現(xiàn)了以詞典為基礎(chǔ)的正反向全切分，以及正反向最大匹配切分兩種方法。IKAnalyzer是第三方實(shí)現(xiàn)的分詞器，繼承自Lucene的Analyzer類，針對(duì)中文文本進(jìn)行處理。具體的使用方式參見其文檔。注意：擴(kuò)展的詞庫(kù)與停止詞文件要是UTF8的編碼，并且在要文件頭部加一空行。. 測(cè)試分詞器 /** * 使用批定的分詞器對(duì)指定的文本進(jìn)行分詞，并打印結(jié)果 * @param analyzer * @param text * @throws Exception */private void testAnalyzer(Analyzer analyzer, String text) throws Exception { (當(dāng)前使用的分詞器： + ())。 TokenStream tokenStream = (content, new StringReader(text))。 ()。 while (()) { TermAttribute termAttribute = ()。 (())。 }}7. 練習(xí)1， 文件搜索。數(shù)據(jù)在文件夾中（文件）。2， 文章搜索。數(shù)據(jù)在數(shù)據(jù)庫(kù)中（記錄）。
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1