Question

我是MCS的二年级学生。我正在用Java做一个项目，我有不同的图像。为了存储说IMAGE-1的描述，我有一个名为IMAGE-1的ArrayList，类似于IMAGE-2 ArrayList IMAGE-2 n等......

现在我需要开发一个搜索引擎，我需要找到一个所有图像的描述与搜索引擎中输入的单词匹配..........

FOR EX 如果我输入“computer”，那么我应该能够找到描述中包含“computer”的所有图像。

所以我的问题是......

我该如何有效地做到这一点？
我应该如何保持这些 ArrayList因为我可以拥有100个这样...？或者我应该使用另一个数据结构而不是ArrayList？

Answer 1

一个简单的实现是标记化描述，并使用Map<String, Collection<Item>>存储令牌的所有项目。

大厦：

for(String token: tokenize(description)) map.get(token).add(item)

（需要一个集合，因为可以找到令牌的多个条目。代码中缺少集合的初始化。但是这个想法应该是清楚的。）

使用：

List<Item> result = map.get("Computer")

在这种情况下，通用HashMap实现不是最有效的。当您开始遇到内存问题时，您可以查看更有效的树实现（例如radix trees - implementation）。

下一步可能是使用一些（内存中）数据库。这些可以是关系型（HSQL）或不是（Berkeley DB）。

Answer 2

如果您有少量图像和简短描述（<1000字符），请将它们加载到数组中并使用String.indexOf()搜索单词（即数组中的一个条目==一个完整的图像描述）。这对于例如少于10,000张图像来说足够有效。

使用toLowerCase()折叠字符大小写（因此用户在键入“computer”时会找到“Computer”）。 String.indexOf()也适用于简短的单词（使用“comp”查找“计算机”或“比较”）。

如果您有大量图片和详细说明和/或您希望为用户提供搜索的一些舒适感（例如Google），请使用Lucene。

Answer 3

没有简单易用的数据结构支持高效的全文搜索。

但你真的需要效率吗？这是桌面应用还是网络应用？在前一种情况下，不要担心效率，现代CPU可以在几分之一秒内搜索数兆字节的文本 - 只需使用String.contains()（或正则表达式以允许更灵活的搜索）查看所有描述。

如果您确实需要效率（例如，对于许多人可以同时进行搜索的网络应用），请查看Apache Lucene。

对于您的ArrayLists，使用一个来描述单个图像似乎很奇怪。为什么列表，索引代表什么？行？如果是这样，除非您确实需要直接访问行，否则请使用简单的String替换列表 - 它可以包含换行符。

Answer 4

我建议您使用Hashtable类或将内容组织到树中以优化搜索。