一、Lucene基本介紹：
基本信息：Lucene 是 Apache 軟件基金會(huì)的一個(gè)開(kāi)放源代碼的全文檢索引擎工具包，是一個(gè)全文檢索引擎的架構(gòu)，提供了完整的查詢(xún)引擎和索引引擎，部分文本分析引擎。Lucene 的目的是為軟件開(kāi)發(fā)人員提供一個(gè)簡(jiǎn)單易用的工具包，以方便的在目標(biāo)系統(tǒng)中實(shí)現(xiàn)全文檢索的功能，或者是以此為基礎(chǔ)建立起完整的全文檢索引擎。
文件結(jié)構(gòu)：自上而下樹(shù)形展開(kāi)，一對(duì)多。
索引Index：相當(dāng)于庫(kù)或者表。
段Segment:相當(dāng)于分庫(kù)或者分表。
文檔Document:相當(dāng)一條數(shù)據(jù) ，如小說(shuō)吞噬星空
域Field：一片文檔可以分為多個(gè)域，相當(dāng)于字段，如：小說(shuō)作者，標(biāo)題，內(nèi)容。。。
詞元Term:一個(gè)域又可以分為多個(gè)詞元，詞元是做引搜索的最小單位，標(biāo)準(zhǔn)分詞下得詞元是一個(gè)個(gè)單詞和漢字。
正向信息：
索引->段->文檔->域->詞
反向信息：
詞->文檔?！?/p>
二、Lucene全文檢索：
1、數(shù)據(jù)分類(lèi)：
結(jié)構(gòu)化數(shù)據(jù)：數(shù)據(jù)庫(kù)，固定長(zhǎng)度和格式的數(shù)據(jù)。
半結(jié)構(gòu)化數(shù)據(jù)：如xml,html,等..。
非結(jié)構(gòu)化數(shù)據(jù)：長(zhǎng)度和格式都不固定的數(shù)據(jù)，如文本...
2、檢索過(guò)程：Luncene檢索過(guò)程可以分為兩個(gè)部分，一個(gè)部分是上圖左側(cè)結(jié)構(gòu)化，半結(jié)構(gòu)化，非結(jié)構(gòu)化數(shù)據(jù)的索引建立過(guò)程，另一部分是右側(cè)索引查詢(xún)過(guò)程。
索引過(guò)程：
有一系列被索引文件
被索引文件經(jīng)過(guò)語(yǔ)法分析和語(yǔ)言處理形成一系列詞(Term)。
經(jīng)過(guò)索引創(chuàng)建形成詞典和反向索引表。
通過(guò)索引存儲(chǔ)將索引寫(xiě)入硬盤(pán)/內(nèi)存。
搜索過(guò)程：
用戶(hù)輸入查詢(xún)關(guān)鍵字。
對(duì)查詢(xún)語(yǔ)句經(jīng)過(guò)語(yǔ)法分析和語(yǔ)言分析得到一系列詞(Term)。
通過(guò)語(yǔ)法分析得到一個(gè)查詢(xún)樹(shù)。
通過(guò)索引存儲(chǔ)將索引讀入到內(nèi)存。
利用查詢(xún)樹(shù)搜索索引，從而得到每個(gè)詞(Term)的文檔鏈表，對(duì)文檔鏈表進(jìn)行交，差，并得到結(jié)果文檔。
將搜索到的結(jié)果文檔對(duì)查詢(xún)的相關(guān)性進(jìn)行排序。
返回查詢(xún)結(jié)果給用戶(hù)。
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動(dòng)安全 [無(wú)線安全]玩轉(zhuǎn)無(wú)線電——不安全的藍(lán)牙鎖 2017-07-26
- 消息隊(duì)列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標(biāo)分割】 2017-07-26
- 詞向量-LRWE模型-更好地識(shí)別反義詞同義詞 2017-07-26
- 從棧不平衡問(wèn)題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實(shí)現(xiàn)JSON轉(zhuǎn)Model - HandyJSON使用講解 2017-07-26
- 阿里移動(dòng)安全 Android端惡意鎖屏勒索應(yīng)用分析 2017-07-26
- 集合結(jié)合數(shù)據(jù)結(jié)構(gòu)來(lái)看看(二) 2017-07-26
學(xué)習(xí)是年輕人改變自己的最好方式