Apache Lucene : 컬렉션 인덱스를 다른 형식으로 변환하는 방법은 무엇입니까?

Question

Apache Lucene에서 생성 한 색인을 다른 모음 표현으로 변환해야합니다.

현재 많은 특성을 가진 문서 모음이 있습니다.

분류기에 전달하기 위해 유사성 측정 값이있는 문서 쌍을 만들어야합니다.

이 작업을 수행하는 데 사용할 수있는 자습서를 알고 있습니까?

감사

Answer 1

조치가 필요 유사성은 쿼리을 기반으로합니다. 즉 Lucene 문서 집합을 쿼리하면 상대적 점수가있는 문서 집합이 반환됩니다.

모든 문서를 다른 문서와 비교하려면 (질문과 구분하기가 어렵습니다) 각 문서의 기능을 쿼리의 기초로 사용해야합니다.

예를 들어, 각 문서에서 상위 N 개 항목 (빈도 별, 정지 단어 제외)을 추출 할 수 있습니다. X 문서가 있으면 X 쿼리가 생깁니다. 그런 다음 인덱스에 대해 각각의 X 쿼리를 실행하면 각 문서의 상대 유사도가 서로 겹치게됩니다. 이것은 분류에 사용할 수있는 매트릭스입니다.

또 다른 대안은 각 문서의 제목 또는 개요를 쿼리의 기초로 사용하는 것입니다 (다시 말하면 정류장 제외).