倒排索引java代码 倒排索引 实现

倒排索引

倒排索引(Inverted Index):

站在用户的角度思考问题,与客户深入沟通,找到临潭网站设计与临潭网站推广的解决方案,凭借多年的经验,让设计与互联网技术结合,创造个性化、用户体验好的作品,建站类型包括:成都网站设计、成都网站建设、企业官网、英文网站、手机端网站、网站推广、域名与空间、网站空间、企业邮箱。业务覆盖临潭地区。

倒排索引从逻辑结构和基本思路上讲非常简单,下面我们通过具体实例来进行说明,使得大家能够对倒排索引有一个宏观而直接的感受。

中文和英文等语言不同,单词之间没有明确的分隔符号,所以首先要用分词系统将文档自动切分成单词序列,这样每个文档就转换为由单词序列构成的数据流。

为了系统后续处理方便,需要对每个不同的单词赋予唯一的单词编号,同时记录下哪些文档包含这个单词,在处理结束后,我们可以得到最简单的倒排索引(参考图4)。

图4中,“单词ID”一列记录了每个单词对应的编号,第2列是对应的单词,第3列即每个单词对应的倒排列表。比如:单词“谷歌”,其中单词编号为1,倒排列表为{1,2,3,4,5},说明文档集合中每个文档都包含了这个单词。

之所以说图4的倒排索引是最简单的,是因为这个索引系统只记载了哪些文档包含某个单词。而事实上,索引系统还可以记录除此之外的更多信息。

图5是一个相对复杂些的倒排索引,与图4所示的基本索引系统相比,在单词对应的倒排列表中不仅记录了文档编号,还记载了单词频率信息,即这个单词在某个文档中出现的次数。之所以要记录这个信息,是因为词频信息在搜索结果排序时,计算查询和文档相似度是一个很重要的计算因子,所以将其记录在倒排列表中,以方便后续排序时进行分值计算。

在图5所示的例子里,单词“创始人”的单词编号为7,对应的倒排列表内容有(3;1),其中3代表文档编号为3的文档包含这个单词,数字1代表词频信息,即这个单词在3号文档中只出现过1次,其他单词对应的倒排列表所代表的含义与此相同。

实用的倒排索引还可以记载更多的信息,图6所示的索引系统除了记录文档编号和单词词频信息外,额外记载了两类信息——即每个单词对应的文档频率信息(图6的第3列)及单词在某个文档出现位置的信息。

文档频率信息代表了在文档集合中有多少个文档包含某个单词,之所以要记录这个信息,其原因与单词频率信息一样,这个信息在搜索结果排序计算中是一个非常重要的因子。

而单词在某个文档中出现位置的信息并非索引系统一定要记录的,在实际的索引系统里可以包含,也可以选择不包含这个信息,之所以如此,是因为这个信息对于搜索系统来说并非必要,位置信息只有在支持短语查询的时候才能够派上用场。

以单词“拉斯”为例:其单词编号为8,文档频率为2,代表整个文档集合中有两个文档包含这个单词,对应的倒排列表为{(3;1;4),(5;1;4)},其含义为在文档3和文档5出现过这个单词,单词频率都为1,单词“拉斯”在这两个文档中的出现位置都是4,即文档中第4个单词是“拉斯”。

图6所示的倒排索引已经是一个非常完备的索引系统,实际搜索引擎的索引结构基本如此,区别无非是采取哪些具体的数据结构来实现上述逻辑结构。

有了这个索引系统,搜索引擎可以很方便地响应用户的查询。比如:用户输入查询词 “Facebook”,搜索系统查找倒排索引,从中可用读出包含这个单词的文档,这些文档就是提供给用户的搜索结果。

而利用单词词频信息、文档频率信息即可对这些候选搜索结果进行排序,计算文档和查询的相似性,按照相似性得分由高到低排序输出,此即为搜索系统的部分内部流程。

单词词典是倒排索引中非常重要的组成部分,它用来维护文档集合中出现过的 所有单词 的相关信息,同时用来记载某个 单词对应的倒排列表在倒排文件中的位置信息 。在支持搜索时,根据用户的查询词,去单词词典里查询,就能够获得相应的倒排列表,并以此作为后续排序的基础。

对于一个规模很大的文档集合来说,可能包含几十万甚至上百万的不同单词,能否快速定位某个单词,这直接影响搜索时的响应速度,所以需要高效的数据结构来对单词词典进行构建和查找, 常用的数据结构包括 哈希加链表 结构和 树形 词典结构。

B树(或者B+树)是另外一种高效查找结构,图8是一个 B树结构示意图。B树与哈希方式查找不同,需要字典项能够按照大小排序(数字或者字符序),而哈希方式则无须数据满足此项要求。

B树形成了层级查找结构,中间节点用于指出一定顺序范围的词典项目存储在哪个子树中,起到根据词典项比较大小进行导航的作用,最底层的叶子节点存储单词的地址信息,根据这个地址就可以提取出单词字符串。

具体的大家可以看看[ ;fps=1 )

java请随机输入10个数字保存到List中,并按倒序显示出来

smile_bug 说的这个我还真没想过,想想觉得很行啊

找了手册,才知道java的list没tree的,懒得写个,汗

那只能二楼的方法

public static void main(final String[] args) {

final ListInteger integers = new ArrayListInteger();

final Scanner scanner = new Scanner(System.in);

for (int i = 1; i = 3; i++) {

try {

System.out.println("输入第" + i + "个数吧");

final int input = Integer.parseInt(scanner.next());

integers.add(input);

}

catch (final Throwable e) {

System.err.println("这不是个数字,我可是超级程序");

i--;

continue;

}

}

Collections.sort(integers);// 自然排

Collections.reverse(integers);// 倒排

for (final Integer integer : integers) {

System.out.println(integer);

}

}

java代码转时序图或抽象语义树 ,下面是java代码

System.Security.Cryptography.SHA512 shaM = new System.Security.Cryptography.SHA512Managed(); 是个类是.net的类,要java中也有相关类要自己去写。

JAVA编程问题求助 编写程序,把一个数组中的元素倒过来。例如原数组为1,2,3,4,5。则倒排

import java.util.*;

import static java.lang.System.*;

import static java.util.Arrays.*;

public class Test

{

public static void main(String[] args)

{

Integer[] array={1,2,3,4,5};

//数组工具类的排列方法,我开始尝试使用Lambda表达式但是失败了

sort(array,new ComparatorInteger()

{

public int compare(Integer a,Integer b)

{

//如果a大于b返回a小于b,反之亦然,造成倒序排列的效果

return ab?-1:ab?1:0;

}

});

//输出排列后的数组,输出"[5, 4, 3, 2, 1]"

out.println(Arrays.toString(array));

}

}


名称栏目:倒排索引java代码 倒排索引 实现
转载源于:http://bzwzjz.com/article/dophdjj.html

其他资讯

Copyright © 2007-2020 广东宝晨空调科技有限公司 All Rights Reserved 粤ICP备2022107769号
友情链接: 重庆手机网站建设 成都定制网站建设 成都网站建设 手机网站制作设计 成都网站建设 成都网站建设 成都响应式网站建设 成都网站建设公司 定制网站建设多少钱 自适应网站设计 成都网站制作 品牌网站建设 网站设计 成都网站制作 成都企业网站制作 网站建设 网站设计制作报价 重庆网站制作 成都网站设计制作公司 成都网站设计 H5网站制作 成都网站建设公司