ݺߣ

ݺߣShare a Scribd company logo
Informacijos
paieška
Trumpas įvadas į Apache Lucene
Mindaugas Žakšauskas
Vilnius Kaunas Java User Group
assert this != null
Kalbėsiu apie
● Probleminę sritį
● Informacijos paieškos teoriją
● Lucene
● Solr (jei liks laiko)
● ?
Who are we?
Apache Lucene Informacijos paieška
Apache Lucene Informacijos paieška
Apache Lucene Informacijos paieška
http://nlp.stanford.edu/IR-book/
Sukaposiu gabalais
(tokenization)
Dokumentas #1:
"The quick brown fox jumps over the lazy dog.”
Word the quick brown fox
Documents 1 1 1 1
Offsets 1[0] 1[4] 1[10] 1[16]
Sukaposiu gabalais
(tokenization) #2
Dokumentas #2:
"I saw a brown fox yesterday. It ran away quickly.”
Word the quick brown fox
Documents 1 1 1, 2 1, 2
Offsets 1[0] 1[4] 1[10], 2[8] 1[16], 2[13]
Stopwords
Anglų:
- artikeliai a, the
Lietuvių:
- prielinksniai: į, nuo
- ištiktukai: oi!
- ?
Apache Lucene Informacijos paieška
Quick| ⇒ quick
quick|ly ⇒ quick
Stemming, lowercasing
Apache Lucene
● ACID (+2 phase commit)
● NoSQL (rimtai!)
● Concurrency
● Java (.NET, Python, Ruby)
● Bendruomenė
● Plačiai naudojama
Ne caro laikų Lucene!
Indeksavimo greitis, Lucene v4
Apache Lucene Informacijos paieška
Sinonimai
● Vanduo - H2
O
● Reikia spec. žodyno (SynonymMap)
quick brown fox ⇒
"quick", "fast", "brown", "fox"
Fonetinis kodavimas
http://en.wikipedia.org/wiki/Metaphone
0BFHJKLMNPRSTWXY
Stephen Smith ⇒STFN SM0
Apache Lucene Informacijos paieška
Boosting (indexing, query)
Apache Lucene Informacijos paieška
Užklausos
● field: foo bar
● field: +foo -bar
● field: “foo bar”
● field: +“foo bar” AND blah
● field: f?o bar*
● field: foo~ bar~0.8
● date_field: [2000 TO 2001]
● field: (foo AND bar) OR bob
http://searchhub.org/dev/2011/12/28/why-not-and-or-and-not/
Rezultatų formulė
org.apache.lucene.search.similarities.TFIDFSimilarity
Finite state transducer
mop, moth, pop, star, stop, top
10 million Wikipedia index - 69Mb
Apache Lucene Informacijos paieška
Apache Lucene Informacijos paieška
Apache Lucene Informacijos paieška

More Related Content

Apache Lucene Informacijos paieška