Java hashmap 到矩阵的转换

Question

我启动了一个 HashMap 和一个嵌套 HashMap 来存储术语、其出现次数和频率。

for (i = 1; i < lineTokens.length; i += 2) 
{   
    if (i + 1 >= lineTokens.length) continue;  
    String fileName = lineTokens[i];
    int frequency = Integer.parseInt(lineTokens[i + 1]); 
    postingList2.put(fileName,frequency);
    //System.out.println(postingList2);
}
postingList.put(topic, postingList2);

它给我输出:{cancel={WET4793.txt=16, WET5590.txt=53}, unavailable={WET4291.txt=10}, station info={WET2266.txt=32}, advocacyprogram={ WET2776.txt=32}，无评分登录={WET5376.txt=76}，我试图用矩阵来表示所有的事情。但我无法将不包含特定术语的文件设置为 0。就像:

row-> term
column -> document
mat[row][column]= frequency of occurances of terms in the document.

我已经使用 pandas dataframe 在 python 中轻松完成了它。

Answer 1

给定您的初始 HashMap，转换为矩阵需要三个步骤

1. 为每个主题创建唯一的索引 ID(0、1 ..)
2. 为每个文档创建唯一的索引 ID(0、1、..)
3. 使用上述索引填充矩阵

此解决方案将使用 map 查找(键为发布/文档)以提高效率。过账/文件的顺序可以控制；这里没有尝试创建特定订单。

第 1 步:为帖子创建唯一 ID 并创建查找 map

Map<String, Integer> topicIndex = new HashMap<>();
List<String> topicList = new ArrayList<>();  // topicList is used to print the matrix
int index = 0;
for (String topic : postingList.keySet()) {
    if (!topicIndex.containsKey(topic)) {
        topicIndex.put(topic, index++);
        topicList.add(topic);
    }
}

该 map 的结果是(所有术语现在都有一个唯一的 ID):

Topics: {cancel=0, unavailable=1, station info=2, advocacy program=3, no ratingslogin=4}

第 2 步:为文档创建唯一 ID 并创建查找映射

index = 0;
Map<String, Integer> documentIndex = new HashMap<>();
for (String topic : postingList.keySet()) {
    for (String document : postingList.get(topic).keySet()) {
        if (!documentIndex.containsKey(document))
            documentIndex.put(document, index++);
    }
}

该映射的结果是(所有文档现在都有一个唯一的 ID):

Documents: {WET4793.txt=0, WET4291.txt=2, WET2266.txt=3, WET2776.txt=4, WET5376.txt=5, WET5590.txt=1}

第 3 步:创建并填充矩阵

int[][] mat = new int[topicIndex.size()][documentIndex.size()];
for (String topic : postingList.keySet()) {
    for (String document : postingList.get(topic).keySet()) {
        mat[topicIndex.get(topic)][documentIndex.get(document)] = postingList.get(topic).get(document);
    }
}

结果:矩阵现在如下所示:

cancel          16 53  0  0  0  0 
unavailable      0  0 10  0  0  0 
station info     0  0  0 32  0  0 
advocacy program 0  0  0  0 32  0 
no ratingslogin  0  0  0  0  0 76 

编辑:循环打印矩阵

    for (int row = 0; row < topicIndex.size(); row++) {
        System.out.printf("%-16s", topicList.get(row));
        for (int col = 0; col < documentIndex.size(); col++) {
            System.out.printf("%2d ", mat[row][col]);
        }
        System.out.println();
    }