3

我正在实现一个非常基本的倒排索引，并且在实现短语搜索方法时遇到了麻烦。

我有以下结构：

InvertedIndex.java：这里我有一个数据结构：

private Map<String, ArrayList<Postings>> index = new HashMap<String, ArrayList<Postings>>();

我在其中存储一个单词和一个包含文档中所有 docId 和相关术语位置的发布列表。

我的 Postings.java 类具有以下结构：

private Map<String, ArrayList<Integer>> postings;

我有所有这些数据结构的 getter 和 setter，所以我不包括它们，因为这对这篇文章来说太多了。该字符串是 docId，而 Arraylist 保存一个单词在文档中的所有位置。

我有一个类，我正在实现以下按短语搜索的方法：

    public ArrayList<String> searchByPhrase(String...terms){
        if (terms == null || terms.length < 2){
            return null; 
        }

        ArrayList<String> documents = new ArrayList<String>(); 

        for (int i = 0; i < terms.length; i++){
            ArrayList<Postings> postings1 = index.getPostings(terms[i]);
            if ((i + 1) < terms.length){
                ArrayList<Postings> postings2 = index.getPostings(terms[i+1]);

                int smaller = 0; 
                if (postings2.size() < postings1.size()){
                    smaller = postings2.size(); 
                }
                else {
                    smaller = postings1.size(); 
                }

                for (int j = 0; j < smaller; j++){
                        Postings p1 = postings1.get(j); 
                        Postings p2 = postings2.get(j); 
                        if (p1.containsID(p2.getDocId())){
                            System.out.println("FOUND MATCHING DOC");
                            //Do position checking in here
                        }   
                }
            }

        }


        return documents; 
    }

我知道在这种方法中，我必须检查位置是否彼此相距一个点。我还没有实现它，因为我希望首先能够找到相同的文档（目前还没有这样做）。当我运行它时，我什么也得不到，而且我有各种我知道的共享单词的文档。

我希望这种方法能够搜索各种大小的术语（“hello world”、“非常感谢您的帮助”等......）。我觉得我把这件事复杂化了，但我对如何解决它非常迷茫。任何建议，将不胜感激。

4

0 回答 0