信息检索系统的数据结构/算法

Question

我的任务条件如下 - 它与Java /数据结构有关。我会尽量简短地回答我的问题，因为回答这些问题会帮助我找到方法（因为我迷路了）：

1. 您建议使用的数据结构是什么？
2. 您会遵循什么算法？ （细节赞赏）。

简单信息检索系统，其中查询包含关键字和 有一组要搜索的文件。在回应查询时，系统 标识包含全部或部分文档的每个文档（最多n个文档） 关键字和打印文档名称按照找到的关键字的降序排列，即a 包含所有关键字的文档应显示在列表顶部。

Answer 1

首先，您可能正在寻找apache lucene，这是一个在java中实现IR系统的开源库！

自己实施某些内容很难，但IR中最重要的数据结构是inverted index。

倒排索引实际上是map:term->list<index>，它将每个术语映射到它出现的文档。倒排索引的优点 - 它适合IR标准操作，例如连接（和查询）。 / p>

在您的具体问题中，从集合中构建倒排索引，并在k个术语的查询到达后 - 获取与这些术语相对应的k列表，并获得它们的联合。
现在，一旦你有了工会 - 剩下的就是创建一个histogram（每个术语出现多少个列表，可以实现为HashMap<Term,Integer>） - 并打印这些关键字直方图按降序排列。

如果您想扩展有关IR的知识，我建议您阅读Manning的Introduction to Information Retrieval。