2016书单总结--Lucene实战(第二版)--基础篇

2016书单总结–Lucene实战(第二版)–基础篇

Lucene实战基于Lucene3.0,本示例以3.5为基础
Lucene由道格.卡丁编写的用于文本索引与搜索的高性能、可扩展的信息检索工具库
  1. 通过5个部分进行总结,分别为
    • 收集–包括如何获取文本,例如使用tika提取文本
    • 分析–分析器的原理,词汇单元过程化,词汇单元过滤器
    • 索引–如何构建倒排索引,构建实时索引,更新、删除索引
    • 搜索–查找需要信息,按照不同条件进行搜索
    • 高级应用–其他语言、案例分析、调优
  2. 索引
    • 常见概念
      • 文档(Document)–包含一个或者多个域的容器
      • 域(Field)–是否可以索引(Index)、是否可以存储(Store)、是否可以分词(Token)
      • 索引段–Lucene索引包含一个或者多个段
    • 常见构建索引步骤
      • 1.创建Directory
      • 2.创建IndexWriter
      • 3.创建Document
      • 4.为Document创建Field
      • 5.使用IndexWriter将Document写入索引
      • 6.关闭InderWriter
    • 构建实时索引
      • 将IndexWriter委托给NRTManager进行索引的添加、删除、修改
  3. 搜索
    • 常见概念
      • 加权基准(norms)–Score(norms)=文档加权*域加权*VSP的tf*idf*lengthNorm
    • 常见构建搜索步骤
      • 1.创建Directory
      • 2.创建IndexReader
      • 3.使用IndexReader创建IndexSearcher
      • 4.创建Query
      • 5.使用IndexSearcher搜索Query,返回TopDocs
      • 6.显示TopDocs的ScoreDoc
      • 7.通过IndexReader/docId获取Document
      • 8.通过Document的get获取字段
      • 9.关闭IndexReader
    • 构建实时搜索
      • 将InderSearcher的获取、注销委托给SearcherManager进行管理
  4. 分析
    • 分析器–将域(Field)转为项(Term)的过程
    • 分析器由词汇单元过程化(Tokenization)和词汇单元过滤器组成
  5. 收集
  6. 示例代码位于– https://github.com/undergrowthlinear/2016MyBookSummary.git
    • com.undergrowth.lucene.in.action.LuceneIndexQueryTest演示了如何构建索引、同时展示了布尔搜索、
      查询解析搜索、范围搜索、词语搜索、模糊搜索、通配符搜索、前缀搜索
    • com.undergrowth.lucene.in.action.IndexSearcherManagerToolTest演示近实时搜索的修改、删除索引、以及搜索
    • com.undergrowth.lucene.in.action.AnalyzerToolTest演示分析器中对应的词汇单元属性
    • com.undergrowth.lucene.in.action.TikaParserTest演示使用tika进行解析各种文档

你可能感兴趣的:(java,2016书单)