Как отсортировать результаты поиска по нескольким полям с помощью весовой функции?
Вопрос
У меня есть индекс Lucene, где у каждого документа есть несколько полей, которые содержат числовые значения. Теперь я хотел бы отсортировать результаты поиска по взвешенной сумме этого поля. Например:
field1=100
field2=002
field3=014
И весовая функция выглядит так:
f(d) = field1 * 0.5 + field2 * 1.4 + field3 * 1.8
Результаты должны быть упорядочены по f (d)
, где d
представляет документ. Функция сортировки должна быть нестатичной и может отличаться от поиска к поиску, поскольку постоянные факторы зависят от пользователя, который выполняет поиск.
У кого-нибудь есть идеи, как решить эту проблему, или, может быть, идея, как достичь этой цели другим способом?
Решение
Вы можете попробовать реализовать пользовательский ScoreDocComparator . Например:
public class ScaledScoreDocComparator implements ScoreDocComparator {
private int[][] values;
private float[] scalars;
public ScaledScoreDocComparator(IndexReader reader, String[] fields, float[] scalars) throws IOException {
this.scalars = scalars;
this.values = new int[fields.length][];
for (int i = 0; i < values.length; i++) {
this.values[i] = FieldCache.DEFAULT.getInts(reader, fields[i]);
}
}
protected float score(ScoreDoc scoreDoc) {
int doc = scoreDoc.doc;
float score = 0;
for (int i = 0; i < values.length; i++) {
int value = values[i][doc];
float scalar = scalars[i];
score += (value * scalar);
}
return score;
}
@Override
public int compare(ScoreDoc i, ScoreDoc j) {
float iScore = score(i);
float jScore = score(j);
return Float.compare(iScore, jScore);
}
@Override
public int sortType() {
return SortField.CUSTOM;
}
@Override
public Comparable<?> sortValue(ScoreDoc i) {
float score = score(i);
return Float.valueOf(score);
}
}
Вот пример ScaledScoreDocComparator
в действии. Я считаю, что это работает в моем тесте, но я призываю вас доказать это на основе ваших данных.
final String[] fields = new String[]{ "field1", "field2", "field3" };
final float[] scalars = new float[]{ 0.5f, 1.4f, 1.8f };
Sort sort = new Sort(
new SortField(
"",
new SortComparatorSource() {
public ScoreDocComparator newComparator(IndexReader reader, String fieldName) throws IOException {
return new ScaledScoreDocComparator(reader, fields, scalars);
}
}
)
);
IndexSearcher indexSearcher = ...;
Query query = ...;
Filter filter = ...; // can be null
int nDocs = 100;
TopFieldDocs topFieldDocs = indexSearcher.search(query, filter, nDocs, sort);
ScoreDoc[] scoreDocs = topFieldDocs.scoreDocs;
Бонус!
Похоже, что разработчики Lucene устарели в интерфейсе ScoreDocComparator
(в настоящее время он устарел в репозитории Subversion). Вот пример ScaledScoreDocComparator
, модифицированного для соответствия преемнику ScoreDocComparator
, FieldComparator
:
public class ScaledComparator extends FieldComparator {
private String[] fields;
private float[] scalars;
private int[][] slotValues;
private int[][] currentReaderValues;
private int bottomSlot;
public ScaledComparator(int numHits, String[] fields, float[] scalars) {
this.fields = fields;
this.scalars = scalars;
this.slotValues = new int[this.fields.length][];
for (int fieldIndex = 0; fieldIndex < this.fields.length; fieldIndex++) {
this.slotValues[fieldIndex] = new int[numHits];
}
this.currentReaderValues = new int[this.fields.length][];
}
protected float score(int[][] values, int secondaryIndex) {
float score = 0;
for (int fieldIndex = 0; fieldIndex < fields.length; fieldIndex++) {
int value = values[fieldIndex][secondaryIndex];
float scalar = scalars[fieldIndex];
score += (value * scalar);
}
return score;
}
protected float scoreSlot(int slot) {
return score(slotValues, slot);
}
protected float scoreDoc(int doc) {
return score(currentReaderValues, doc);
}
@Override
public int compare(int slot1, int slot2) {
float score1 = scoreSlot(slot1);
float score2 = scoreSlot(slot2);
return Float.compare(score1, score2);
}
@Override
public int compareBottom(int doc) throws IOException {
float bottomScore = scoreSlot(bottomSlot);
float docScore = scoreDoc(doc);
return Float.compare(bottomScore, docScore);
}
@Override
public void copy(int slot, int doc) throws IOException {
for (int fieldIndex = 0; fieldIndex < fields.length; fieldIndex++) {
slotValues[fieldIndex][slot] = currentReaderValues[fieldIndex][doc];
}
}
@Override
public void setBottom(int slot) {
bottomSlot = slot;
}
@Override
public void setNextReader(IndexReader reader, int docBase, int numSlotsFull) throws IOException {
for (int fieldIndex = 0; fieldIndex < fields.length; fieldIndex++) {
String field = fields[fieldIndex];
currentReaderValues[fieldIndex] = FieldCache.DEFAULT.getInts(reader, field);
}
}
@Override
public int sortType() {
return SortField.CUSTOM;
}
@Override
public Comparable<?> value(int slot) {
float score = scoreSlot(slot);
return Float.valueOf(score);
}
}
Использование этого нового класса очень похоже на оригинал, за исключением того, что определение объекта sort
немного отличается:
final String[] fields = new String[]{ "field1", "field2", "field3" };
final float[] scalars = new float[]{ 0.5f, 1.4f, 1.8f };
Sort sort = new Sort(
new SortField(
"",
new FieldComparatorSource() {
public FieldComparator newComparator(String fieldname, int numHits, int sortPos, boolean reversed) throws IOException {
return new ScaledComparator(numHits, fields, scalars);
}
}
)
);
Другие советы
Я думаю, что один из способов сделать это - принять их как параметры для вашей функции сортировки:
количество полей, массив документов, список весовых коэффициентов (в зависимости от количества полей)
Рассчитайте функцию взвешивания для каждого документа, сохранив результат в отдельном массиве в том же порядке, что и массив документов. Затем выполните любую сортировку по вашему желанию (быстрая сортировка, вероятно, была бы лучшей), убедившись, что вы сортируете не только массив f (d), но и массив документов. Верните отсортированный массив документов, и все готово.
Реализуйте свой собственный класс сходства и переопределите idf (Term, Searcher) . В этом методе вы можете вернуть счет следующим образом. if (term.field.equals (" field1 ") {
if (term.field.equals("field1") {
score = 0.5 * Integer.parseInt(term.text());
} else if (term.field.equals("field2") {
score = 1.4 * Integer.parseInt(term.text());
} // and so on
return score;
Когда вы выполняете запрос, убедитесь, что он есть во всех полях. То есть запрос должен выглядеть как
field1: термин field2: термин field3: term
Итоговая оценка также добавит некоторые веса, основанные на нормализации запроса. Но это не повлияет на относительное ранжирование документов в соответствии с приведенным вами уравнением.
Создайте оболочку, которая содержит рейтинг и сопоставима. Что-то вроде:
public void sort(Datum[] data) {
Rating[] ratings = new Rating[data.length];
for(int i=0;i<data.length;i++)
rating[i] = new Rating(data[i]);
Arrays.sort(rating);
for(int i=0;i<data.length;i++)
data[i] = rating[i].datum;
}
class Rating implements Comparable<Datum> {
final double rating;
final Datum datum;
public Rating(Datum datum) {
this.datum = datum;
rating = datum.field1 * 0.5 + datum.field2 * 1.4 + datum.field3 * 1.8
}
public int compareTo(Datum d) {
return Double.compare(rating, d.rating);
}
}