lucene - lucene でフィードバックを実装する

Question

ルセンで疑似フィードバックを適用するためのヒントを誰かに教えてもらえますか。私はグーグルで多くの助けを見つけることができません。私はSimilarityクラスを使用しています。フィードバックを実装するために拡張できる lucene のクラスはありますか? ありがとう。

Answer 1

この関連性フィードバック方法を参照していると仮定すると、元のクエリを取得したらTopDocs、必要なレコード数 (元のクエリの上位 25 ドキュメントの上位 25 語が必要だとしましょう) を繰り返します。 call IndexReader.getTermVectors(int)、必要な情報を取得します。それぞれを繰り返します。ハッシュマップに頻度という用語を保存することは、私がすぐに思いつく実装です。

何かのようなもの：

//Get the original results
TopDocs docs = indexsearcher.search(query,25);
HashMap<String,ScorePair> map = new HashMap<String,ScorePair>();
for (int i = 0; i < docs.scoreDocs.length; i++) {
    //Iterate fields for each result
    FieldsEnum fields = indexreader.getTermVectors(docs.scoreDocs[i].doc).iterator();
    String fieldname;
    while (fieldname = fields.next()) {
        //For each field, iterate it's terms
        TermsEnum terms = fields.terms().iterator();
        while (terms.next()) {
            //and store it
            putTermInMap(fieldname, terms.term(), terms.docFreq(), map);
        }
    }
}

List<ScorePair> byScore = new ArrayList<ScorePair>(map.values());
Collections.sort(byScore);

BooleanQuery bq = new BooleanQuery();
//Perhaps we want to give the original query a bit of a boost
query.setBoost(5);
bq.add(query,BooleanClause.Occur.SHOULD);
for (int i = 0; i < 25; i++) {
    //Add all our found terms to the final query
    ScorePair pair = byScore.get(i);
    bq.add(new TermQuery(new Term(pair.field,pair.term)),BooleanClause.Occur.SHOULD);
}
}

//Say, we want to score based on tf/idf
void putTermInMap(String field, String term, int freq, Map<String,ScorePair> map) {
    String key = field + ":" + term;
    if (map.containsKey(key))
        map.get(key).increment();
    else
        map.put(key,new ScorePair(freq,field,term));
}

private class ScorePair implements Comparable{
    int count = 0;
    double idf;
    String field;
    String term;

    ScorePair(int docfreq, String field, String term) {
        count++;
        //Standard Lucene idf calculation.  This is calculated once per field:term
        idf = (1 + Math.log(indexreader.numDocs()/((double)docfreq + 1))) ^ 2;
        this.field = field;
        this.term = term;
    }

    void increment() { count++; }

    double score() {
        return Math.sqrt(count) * idf;
    }

    //Standard Lucene TF/IDF calculation, if I'm not mistaken about it.
    int compareTo(ScorePair pair) {
        if (this.score() < pair.score()) return -1;
        else return 1;
    }
}

(これが現在の状態で機能するコードであるとは主張しません。)