默认情况下,Lucene(java框架)是否根据术语计算文档的tfidf和余弦相似性?
我正在开发一个基于搜索引擎的应用程序,当时正在开发Lucene java框架,我对Lucene默认提供的评分功能感到困惑,即评分功能是默认实现tf idf和余弦相似性,还是我们必须做其他事情
public class LuceneTester {
String indexDir = "C:\\Users\\hamda\\Documents\\NetBeansProjects\\luceneDemo\\Index";
String dataDir = "C:\\Users\\hamda\\Documents\\NetBeansProjects\\luceneDemo\\Data";
Indexer indexer;
Searcher searcher;
public static void main(String[] args) {
LuceneTester tester;
try {
tester = new LuceneTester();
tester.createIndex();
tester.search("DataGuides");
} catch (IOException e) {
e.printStackTrace();
} catch (ParseException e) {
e.printStackTrace();
}
}
private void createIndex() throws IOException{
indexer = new Indexer(indexDir);
int numIndexed;
long startTime = System.currentTimeMillis();
numIndexed = indexer.createIndex(dataDir, new TextFileFilter());
long endTime = System.currentTimeMillis();
indexer.close();
System.out.println(numIndexed+" File indexed, time taken: "
+(endTime-startTime)+" ms");
}
我在下面的搜索功能的末尾获得文档分数
private void search(String searchQuery) throws IOException, ParseException{
searcher = new Searcher(indexDir);
long startTime = System.currentTimeMillis();
TopDocs hits = searcher.search(searchQuery);
long endTime = System.currentTimeMillis();
System.out.println(hits.totalHits +
" documents found. Time :" + (endTime - startTime));
for(ScoreDoc scoreDoc : hits.scoreDocs) {
Document doc = searcher.getDocument(scoreDoc);
System.out.println(scoreDoc.score+" File: "
+ doc.get(LuceneConstants.FILE_PATH));
}
searcher.close();
}
}
我在谷歌上搜索了一下,发现了以下内容: how can I implement the tf-idf and cosine similarity in Lucene? 我们将非常感谢您的帮助:)
# 1 楼答案
从Lucene 6.0开始,默认的相似性实现是BM25Similarity,它实现了BM25
如果要使用旧的标准相似性实现,请使用ClassicSimilarity
要比较两者,您可以查看:
# 2 楼答案
当我在http://lucene.apache.org/中查看一些细节时,我发现lucene评分模型默认使用这个类DefaultSimilarityhttp://lucene.apache.org/core/4_0_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html,它扩展了TFIDFSimilarity类http://lucene.apache.org/core/4_0_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html 因此,在这些文档中,评分模型默认实现tf idf和余弦相似性。不管怎样,我可能错了,所以你可以纠正我:)