java - 如何打印文件中的链接，然后使用它来引用java中另一个文件中的术语

Question

1. 您需要编写一个程序 invert 来进行索引构建。程序的输入是文档集合。输出包括两个文件 - 字典文件和发布列表文件。字典中的每个条目都应包含一个术语、其文档频率以及其发布列表的链接。您应该使用正确的数据结构来构建字典(例如散列或搜索树或其他)。该结构应该易于随机查找和插入新术语。所有术语应按字母顺序排序。每个术语的发帖列表应包括该术语出现的所有文档的发帖(按文档 ID 的顺序)，并且发帖中保存的信息包括文档 ID、文档中的术语频率以及该术语在文档中所有出现的位置文档。

我已经创建了这两个文件并读取了每个术语并将它们保存在此 HashMap 中

    private static HashMap<dictionary, List<postings>> index = new HashMap<dictionary , List<postings>>();

我如何创建此链接，因为对于第二个程序，我使用从 invert.java 创建的两个 txt 文件运行它我的dictionary.txt仅包含术语和频率，如何创建此链接？

Answer 1

这几乎是一个数据库风格的问题，其中实体由键表示。因此，对于您创建的用于表示手头项目的每个主要类，请考虑它们的索引是什么。

假设你有类似的东西:

// use Jackson to read/write your data files in Json format
import com.fasterxml.jackson.databind.ObjectMapper;

public class Inverter {
    private JsonFileWriter fileWriter;

    /*
     * Don't use HashMap since it isn't sorted
     */
    Map<String, TermMetadata> dictionary = new HashMap<>();

    public List<File> invert(final Collection<Document> documents) {
    }

    public void writeDictionation() {
        fileWriter.write(dictionary);
    }

    public void writePostings() {
        fileWriter.write(postings);
    }
}

public class Document {
    /**
     * Index is the documentId
     */
    int documentId;

    // other attributes ...
}

public class TermMetadata {
    /*
     * Index on the term
     */
    String term;
    int documentFrequency;
    List<int> postingsIds;
}

public class Posting {
    /**
     * Index on the posting id
     */
    int postingId;
    int documentId;
    int termFrequency;
    List<int> positions;
}

然后，无论您从文本文件中读回值，都可以加入索引。

所以，List<int> postingIds上TermMetadata将用于指代帖子，其 postingId关键。

我认为理想情况下，这将作为数据库的 Java 前端来实现。但是，由于您使用的是文件，因此我建议使用一些标准序列化机制(例如 Json)来存储对象表示。

使用 jackson ObjectMapper ，当你去阅读帖子文件时，你会看到一个很大的列表 Posting对象并可以调用 getPostingId()然后将其与 TermMetadata 中的信息结合起来的List<int>发布 ID`。