Question

任何人都可以向我解释如何在Lucene的BM25实现中计算'avgLengthPath'变量。我的理解是我必须在索引期间计算它。但仍然不清楚如何这样做。

提供的示例：

IndexSearcher searcher = new IndexSearcher("IndexPath");

//Load average length
BM25Parameters.load(avgLengthPath);
BM25BooleanQuery query = new BM25BooleanQuery("This is my Query", 
    "Search-Field",
    new StandardAnalyzer());

TopDocs top = searcher.search(query, null, 10);
ScoreDoc[] docs = top.scoreDocs;

//Print results
for (int i = 0; i $<$ top.scoreDocs.length; i++) {
      System.out.println(docs[i].doc + ":"+docs[i].score);
}

建议有一种方法或类来加载平均长度。

非常感谢任何帮助...

由于

Answer 1

我已经解决了这个问题，我想与大家分享一些答案，以获得任何更正或评论。

问题是如何计算avgLengthPath参数。当我查看采用此参数的方法：load()时，可以看到它需要一个String，它是包含平均长度的文件的路径。所以 avgLengthPath 会是这样的：

/Users/admib/Study/avgLength

load()方法如下：

    public static void load(String path) throws NumberFormatException,
        IOException {
    BufferedReader in = new BufferedReader(new FileReader(path));
    String line;
    while (null != (line = in.readLine())) {
        String field = line;
        Float avg = new Float(in.readLine());
        BM25Parameters.setAverageLength(field, avg);
    }
    in.close();
}

现在，以免看到如何创建这样的文件。我们可以看到上面的方法逐行读取文件，并将每两行发送到另一个名为BM25Parameters.setAverageLength()的方法。 avgLengthPath文件的格式应该是这样的：

CONTENT 
459.2903f
ANCHOR
84.55523f

第一行是字段名称，第二行是此字段的平均长度。此外，第三行是另一个字段，第四行是该字段的平均长度。

关于这样的文件的问题是我们无法从Lucene的默认坐位获取文档长度。为了解决这个问题，我重新编制了我的集合索引，并将文档长度添加为Lucene要编入索引的字段之一。

首先，我创建了一个获取文件并将文档长度作为字符串返回的方法。我称之为getDocLength(File f)：

    public static String getDocLength(File f) throws IOException {
    FileInputStream stream = new FileInputStream(f);
    try {
        FileChannel fc = stream.getChannel();
        MappedByteBuffer bb = fc.map(FileChannel.MapMode.READ_ONLY, 0, fc.size());

        String doc = Charset.defaultCharset().decode(bb).toString();
        int length  = doc.length();
        return Integer.toString(length);
    } finally {
        stream.close();
    }
}

在索引过程中调用此方法以添加文档长度字段，如下所示：

 protected Document getDocument(File f) throws Exception {
    Document doc = new Document();
    String docLength = Integer.toString(io.getDocLength(f));
    doc.add(new Field("contents", new FileReader(f), Field.TermVector.YES));
    doc.add(new Field("docLength", i, Field.Store.YES, Field.Index.NOT_ANALYZED));
    doc.add(new Field("filename", f.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED));
    doc.add(new Field("fullpath", f.getCanonicalPath(), Field.Store.YES, Field.Index.NOT_ANALYZED));         
    return doc;
}

最后，我创建了一个方法，循环索引中的所有文档并计算平均文档长度，最后将结果保存到带有正确格式的 avgLengthPath 文件中。我称这种方法为generateAvgLengthPathFile()：

    public static void generateAvgLengthPathFile(String luceneIndexPath, String outputFilePath) {
    try {
        Directory dir = FSDirectory.open(new File(luceneIndexPath));
        IndexReader reader = IndexReader.open(dir);
        int totalLength = 0;
        //here we loop through all the docs in the index 
        for (int i = 0; i < reader.maxDoc(); i++) {
            if (reader.isDeleted(i)) {
                continue;
            }
            Document doc = reader.document(i);
            totalLength += Integer.parseInt(doc.get("docLength"));
        }
        //calculate the avarage length
        float avarageLength = totalLength * 1.0f / reader.maxDoc() * 1.0f;
        //create the a String varibale with the correct formate
        String avgLengthPathFile = "contents" + "\n" + avarageLength;

        //finally, save the file 
        Writer output = null;
        String text = "contents" + "\n" + avarageLength;
        File file = new File(outputFilePath);
        output = new BufferedWriter(new FileWriter(file));
        output.write(text);
        output.close();

    } catch (Exception e) {
System.err.println(e);
    }
}

如何在Lucene（JAVA）的BM25实现中计算avgLengthPath

1 个答案: