lucene4下用MultiFieldQueryParser同时搜索多个field时,结果的score浅析
来源:互联网 发布:服装纸样软件 编辑:程序博客网 时间:2024/06/05 12:48
因为工作中突然要用到lucene,就到官网上下了lucene4.7的jar包和文档,回头开始学习的时候才发现,网上lucene相关的资料大部分都停留在3.*阶段,于是结合前辈的代码,自己写了下面一个例子,该例子可以实现对mysql数据库中单个表的索引和多字段同时搜索以及按各个字段设定的权重对结果排序,我在最初排序的结果出来时很不理解,经过一天的研究,终于略知其所以然,下面贴例子程序和分析。
数据库连接的工具类
package com.ztlc.lucene;import java.sql.Connection; import java.sql.DriverManager; import java.sql.SQLException; /** * JdbcUtil.java * @version 1.0 * @createTime JDBC获取Connection工具类 */ public class JdbcUtil { private static Connection conn = null; //设置数据库连接地址private static final String URL = "jdbc:mysql://127.0.0.1/shopping?autoReconnect=true&characterEncoding=utf8"; private static final String JDBC_DRIVER = "com.mysql.jdbc.Driver"; //设置你的数据库用户名private static final String USER_NAME = "root"; //设置你的数据库密码private static final String PASSWORD = "123456";public static Connection getConnection() { try { Class.forName(JDBC_DRIVER); conn = DriverManager.getConnection(URL, USER_NAME, PASSWORD); } catch (ClassNotFoundException e) { e.printStackTrace(); } catch (SQLException e) { e.printStackTrace(); } return conn; }}
创建索引和搜索的方法
package com.ztlc.lucene;import java.io.File;import java.sql.Connection;import java.sql.ResultSet;import java.sql.Statement;import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.document.IntField;import org.apache.lucene.document.TextField;import org.apache.lucene.index.DirectoryReader;import org.apache.lucene.index.IndexReader;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.queryparser.classic.MultiFieldQueryParser;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;import org.apache.lucene.search.ScoreDoc;import org.apache.lucene.search.TopDocs;import org.apache.lucene.store.Directory;import org.apache.lucene.store.FSDirectory;import org.apache.lucene.util.Version;/** * SearchLogic.java * * @version 1.0 * @createTime Lucene数据库检索 */public class SearchLogic {private static Connection conn = null;private static Statement stmt = null;private static ResultSet rs = null;//设定索引的存放路径private String searchDir = "E:\\javafiles\\workspace\\LuceneAndMysql\\index";private static String[] field = null;private static File indexFile = null;private static IndexSearcher searcher = null;private static Analyzer analyzer = null;public Query query = null;/** 索引页面缓冲 *//** * 获取数据库数据 * * @return ResultSet * @throws Exception */public List<Product> getResult(String queryStr) throws Exception {List<Product> result = null;TopDocs topDocs = this.search(queryStr);ScoreDoc[] scoreDocs = topDocs.scoreDocs;result = this.addHits2List(scoreDocs);return result;}/** * 为数据库检索数据创建索引 * * @param rs * @throws Exception */private void createIndex() throws Exception {conn = JdbcUtil.getConnection();Directory directory = null;IndexWriter indexWriter = null;if (conn == null) {throw new Exception("数据库连接失败!");}String sql = "select id, name, descr from product";try {stmt = conn.createStatement();rs = stmt.executeQuery(sql);indexFile = new File(searchDir);if (!indexFile.exists()) {indexFile.mkdir();}directory = FSDirectory.open(indexFile);analyzer = new StandardAnalyzer(Version.LUCENE_47);IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_47,analyzer);indexWriter = new IndexWriter(directory, iwc);Document doc = null;while (rs.next()) {int id = rs.getInt("id");String name = rs.getString("name");String descr = rs.getString("descr");doc = new Document();/**此处是相对lucene4.*之前的版本改动比较大的地方,不能再直接new Field,而是new IntField,StringField,TextField等,其中 * TextField默认分词,StringField默认不分词,因为我这里name和descr都需要分词,所以都用的TextField * */doc.add(new IntField("id", id, Field.Store.YES));doc.add(new TextField("name", name, Field.Store.YES));doc.add(new TextField("descr", descr, Field.Store.YES));indexWriter.addDocument(doc);}indexWriter.close();} catch (Exception e) {e.printStackTrace();} finally {if (rs != null)rs.close();if (stmt != null)stmt.close();if (conn != null)conn.close();}}/** * 搜索索引 * * @param queryStr * @return * @throws Exception */private TopDocs search(String queryStr) throws Exception {if (searcher == null) {indexFile = new File(searchDir);IndexReader reader = DirectoryReader.open(FSDirectory.open(indexFile));searcher = new IndexSearcher(reader);}/**同时搜索name和descr两个field,并设定它们在搜索结果排序过程中的权重,权重越高,排名越靠前 *为了后面解释score问题的方便,这里设置相同的权重 * */Map<String , Float> boosts = new HashMap<String, Float>();boosts.put("name", 1.0f);boosts.put("descr", 1.0f);/**用MultiFieldQueryParser类实现对同一关键词的跨域搜索 * */MultiFieldQueryParser parser = new MultiFieldQueryParser(Version.LUCENE_47, field,new StandardAnalyzer(Version.LUCENE_47),boosts);query = parser.parse(queryStr);System.out.println("QueryParser :" + query.toString());TopDocs topDocs = searcher.search(query, 10000);return topDocs;}/** * 返回结果并添加到List中 * * @param scoreDocs * @return * @throws Exception */private List<Product> addHits2List(ScoreDoc[] scoreDocs) throws Exception {List<Product> listBean = new ArrayList<Product>();Product proudct = null;for (int i = 0; i < scoreDocs.length; i++) {int docId = scoreDocs[i].doc;Document doc = searcher.doc(docId);proudct = new Product();proudct.setId(Integer.parseInt(doc.get("id")));proudct.setName(doc.get("name"));proudct.setDescr(doc.get("descr")); /** * 打印对结果score的解析,用于分析排序的依据,通过观察结果和搜索相关信息,得到以下结论 * 1.结果排序的score依据是fieldWeight的大小,fieldWeight的计算公式为fieldWeight = tf * idf * fieldNorm; * * tf表示的是查询条件中,每个查询词(t:term)在本文档(d)中的出现频率。查询关键词出现的频率越高,文档的得分就越高。这个部分的默认计算公式是: * tf(t in d) = frequency½ * * idf表示的是反转文档频率( Inverse Document Frequency).这个函数表示的是(t:term)在所有文档中一共在多少个文档中出现过。 * 因为文档出现的次数越少就越容易定位,所以文档数越少,得分就越高。这个函数的默认计算公式如下: * idf = log(numDocs/(docFreq+1)) + 1 * 在以下的例子里,可以简单的理解为,在全部的文档里,name这个field里出现查询词“飞剑侠”的文档越多该文档的idf值就越低 * bean.id 24 : bean.name 飞剑侠 : bean.descr 飞剑侠! * bean.id 27 : bean.name 飞剑侠 : bean.descr 飞剑侠武器! * bean.id 25 : bean.name 飞剑侠飞剑侠 : bean.descr 测试修改数据新! * bean.id 8 : bean.name 飞剑侠 : bean.descr 钢笔 * bean.id 22 : bean.name 3钢笔 : bean.descr 飞剑侠飞剑侠!飞剑侠 * bean.id 23 : bean.name 4钢笔 : bean.descr 飞剑侠飞剑侠! * bean.id 26 : bean.name 钢笔 : bean.descr 飞剑侠 * searchBean.result.size : 7 * * 以上例子中name和descr的权重相同,ID为8的文档name这个field里命中1个查询词“飞剑侠”,为什么会比ID为26的文档中descr这个field里 * 命中一个查询词“飞剑侠”排名靠前哪么多? * 这就是因为在最终得到的结果里,有4个文档是在name这个field里查到了“飞剑侠”,而有5个文档在descr这个 * field里查到了“飞剑侠”,所以在name里查到“飞剑侠”的文档8比在descr里查到“飞剑侠”的文档26的idf要高,所以文档8排在了26前面 * * fieldNorm是事先计算好了的,它等于1/sqrt(wordsNum - 1)。我们可以简单的理解为在tf和idf不变的情况下,文档的包含的内容越少 * fieldNorm的值就越高,这也是为什么上面例子的结果里id24比27排名靠前。 * */System.out.println("**************************************************************************"); System.out.println(searcher.explain(query, docId));System.out.println("**************************************************************************");listBean.add(proudct);}return listBean;}public static void main(String[] args) throws Exception {SearchLogic logic = new SearchLogic();//设定查询词为“飞剑侠,并且在所有文档的name 和 descr两个field里找包含这个查询词的文档”String queryStr = "飞剑侠";field = new String[]{"name","descr"};try {Long startTime = System.currentTimeMillis();logic.createIndex();List<Product> result = logic.getResult(queryStr);int i = 0;for (Product bean : result) {if (i == 100)break;/** * 打印完整的结果 * */System.out.println("bean.id " + bean.getId() + " : bean.name "+ bean.getName() + " : bean.descr " + bean.getDescr());i++;}System.out.println("searchBean.result.size : " + result.size());Long endTime = System.currentTimeMillis();System.out.println("查询所花费的时间为:" + (endTime - startTime) / 1000);} catch (Exception e) {e.printStackTrace();System.out.println(e.getMessage());}}}
用到的bean
package com.ztlc.lucene;public class Product {private int id;private String name;private String descr;public String getDescr() {return descr;}public void setDescr(String descr) {this.descr = descr;}public int getId() {return id;}public void setId(int id) {this.id = id;}public String getName() {return name;}public void setName(String name) {this.name = name;}}
该例子用lucene4.7实现了对mysql数据库单表的索引和检索,用到了lucene4.7里以下几个包:lucene-analyzers-common-4.7.0.jar;lucene-core-4.7.0.jar;lucene-demo-4.7.0.jar;lucene-queryparser-4.7.0.jar以及用于数据库连接的jar包mysql-connector-java-5.1.18-bin.jar
0 0
- lucene4下用MultiFieldQueryParser同时搜索多个field时,结果的score浅析
- lucene4.2 同时搜索多个索引目录
- 多域搜索MultiFieldQueryParser
- 多个TermQuery或一个MultiFieldQueryParser构建BooleanQuery多个域的检索学习实例代码
- 多个TermQuery或一个MultiFieldQueryParser构建BooleanQuery多个域的检索学习实例代码
- Lucene的平行索引和同时搜索多个索引
- Lucene同时搜索多个索引
- Yii2同时搜索多个字段
- 一次关键字输入,多个引擎同时搜索,提高搜索效率,减少解决问题的时间
- Lucene4.5索引的创建与搜索
- Lucene4.5索引的创建与搜索
- lucene4之后的近实时搜索实现
- Lucene实战(三)多Field搜索,并且对搜索结果进行过滤和[自定义]排序
- 通过Function Score Query优化Elasticsearch搜索结果
- 通过Function Score Query优化Elasticsearch搜索结果
- 通过Function Score Query优化Elasticsearch搜索结果
- 通过Function Score Query优化Elasticsearch搜索结果(综合排序)
- 怎么获得select结果的行数? 多个聚合函数同时使用,怎么获得每个聚合函数的结果?
- java中的static和final
- memcached分布测试报告(一致性哈希情况下的散列函数选择)
- 支持向量机多分类
- iOS开发常用的第三方类库
- Java的逻辑运算符
- lucene4下用MultiFieldQueryParser同时搜索多个field时,结果的score浅析
- java基础_11_IO流
- Python默认编码错误SyntaxError: Non-ASCII character '\xe5'之解决方法
- Oracle 11gR2学习之一(安装篇)
- 用maven创建基于wink的rest服务(一)-get请求
- android3D绘图之OpenGL ES(二)
- 微软编程100题(完整版)
- 三角形类
- 硬盘为什么要分区?