lucene3.0.3中的PayloadTermQuery、PayloadFunction

标签: lucene3 payloadtermquery payloadfunction | 发表时间:2016-12-30 10:34 | 作者:suichangkele
出处:http://www.iteye.com

上一篇写了SpanTermQuery,他没有任何意思,但是他有个子类,叫做PayloadTermQuery,这个类倒是可以实现一些功能。他也是根据term进行召回,但是对于得分的计算可以加入payload的信息,这样可以使得某个term和某个doc产生单独的关系,比如我们在电商搜索中,对于某个商品想做推广,使得他在搜索a词的时候得分特别大,但是其他的搜索的得分不会变大,显然使用boost是不正确的,因为他会使得所有的词的搜索得分都会变大。这个时候就可以使用payload了,这个类和SpanTermQuery的不同之处在于得分上,我们看一下这个类的得分的实现,在PayloadTermQuery最终生成的 PayloadTermSpanScorer中,在调用nextDoc的时候会调用setFreqCurrentDoc方法,即计算当前doc的所有的位置的得分,源码如下:

/**
 * 根据term在doc中的每一次出现计算得分,计算当前doc的freq值,相比spanTermQuery他的区别是添加了payload的处理
 */
@Override
protected boolean setFreqCurrentDoc() throws IOException {
	if (!more) {
		return false;
	}
	doc = spans.doc();
	freq = 0.0f;
	payloadScore = 0;
	payloadsSeen = 0;
	Similarity similarity1 = getSimilarity();
	while (more && doc == spans.doc()) {
		int matchLength = spans.end() - spans.start();
		freq += similarity1.sloppyFreq(matchLength);//计算出现频率的得分
		processPayload(similarity1);//计算payload的得分,比TermSpanQuery就是多了这个方法
		more = spans.next();// this moves positions to the next match in this document
	}
	return more || (freq != 0);
}

 最关键的就是多了一个processPayload的方法,他会读取当前位置的payload信息,然后根据payload计算一个得分,我们看一下这个方法的源码:

protected void processPayload(Similarity similarity) throws IOException {
	if (positions.isPayloadAvailable()) {
		payload = positions.getPayload(payload, 0);//读取payload
		payloadScore = function.currentScore(doc, term.field(), spans.start(), spans.end(), payloadsSeen,
				payloadScore, similarity.scorePayload(doc, term.field(), spans.start(), spans.end(),
						payload, 0, positions.getPayloadLength()));//计算payload
		payloadsSeen++;
	} else {
		// zero out the payload?
	}
}

 对于payload的计算会先根据similarity的scorePayload进行得分,默认的Similarity是直接返回1所以我们必须修改这个方法才可以,在计算完这个值之后还要调用一个function.currentScore方法,funtion是穿入的一个属性,用来计算当前的doc上所有的payload的得分,这个方法包括很多的参数,比如payloadSeen(当前的payload是第几个),paylaodScore(没有处理当前的payload时的得分),当前的得分。可以发现他是综合考量了所有的出现位置后计算的得分,但是这个得分并不是最终的得分,最终的得分是在score方法计算的。

@Override
public float score() throws IOException {
	return includeSpanScore ? getSpanScore() * getPayloadScore() : getPayloadScore();
}

 这里涉及到一个includeSpanScore,也就是不包括paylaod的得分(也就是和SpanTermQuery一样的得分),如果包括就两者相乘,不然就只计算PayLoad的得分,getPayloadScore的公式为:

protected float getPayloadScore() {
	return function.docScore(doc, term.field(), payloadsSeen, payloadScore);
}

 可以发现他是对之前计算的payloadScore又进行了一次计算,才算是最终的payload的得分。

 

通过上面的分析就能根据payload进行最终的得分的计算了,剩下的就是看PayloadFunction具体的实现了。

 

PayloadFunction是个抽象类,他有两个重要的方法,一个是 public abstract float currentScore(int docId, String field, int start, int end, int numPayloadsSeen, float currentScore, float currentPayloadScore);用来计算当前位置的payload的得分,一个是public abstract float docScore(int docId, String field, int numPayloadsSeen, float payloadScore);用于计算当前doc的所有的payLoad的得分,我们看一下他的具体实现类。

 

1、AveragePayloadFunction:对所有位置的payload的得分去平均数。

  @Override
  public float currentScore(int docId, String field, int start, int end, int numPayloadsSeen, float currentScore, float currentPayloadScore) {
    return currentPayloadScore + currentScore;//将当前的位置的得分和之前的得分加起来,也就是计算所有位置的paylaod的和
  }

  @Override
  public float docScore(int docId, String field, int numPayloadsSeen, float payloadScore) {
    return numPayloadsSeen > 0 ? (payloadScore / numPayloadsSeen) : 1;//将和除以次数,计算平均分。
  }

 

2、MaxPayloadFunction:对所有位置的payload取最大值

@Override
public float currentScore(int docId, String field, int start, int end, int numPayloadsSeen, float currentScore,	float currentPayloadScore) {
	if (numPayloadsSeen == 0) {
			return currentPayloadScore;//第一次返回当前值
	} else {
		return Math.max(currentPayloadScore, currentScore);//返回所有的最大值
	}
}

@Override
public float docScore(int docId, String field, int numPayloadsSeen, float payloadScore) {
	return numPayloadsSeen > 0 ? payloadScore : 1;//返回最大值
}

 

3、MinPayloadFunction:对所有位置的payload取最小值

  @Override
  public float currentScore(int docId, String field, int start, int end, int numPayloadsSeen, float currentScore, float currentPayloadScore) {
    if (numPayloadsSeen == 0) {
      return currentPayloadScore;
    } else {
      return Math.min(currentPayloadScore, currentScore);
    }
  }

  @Override
  public float docScore(int docId, String field, int numPayloadsSeen, float payloadScore) {
    return numPayloadsSeen > 0 ? payloadScore : 1;
  }

 

当然我们也可以自己实现function。payload的功能写到这就算是完了。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



已有 0 人发表留言,猛击->> 这里<<-参与讨论


ITeye推荐



相关 [lucene3 payloadtermquery payloadfunction] 推荐:

lucene3.0.3中的PayloadTermQuery、PayloadFunction

- - 开源软件 - ITeye博客
上一篇写了SpanTermQuery,他没有任何意思,但是他有个子类,叫做PayloadTermQuery,这个类倒是可以实现一些功能. 他也是根据term进行召回,但是对于得分的计算可以加入payload的信息,这样可以使得某个term和某个doc产生单独的关系,比如我们在电商搜索中,对于某个商品想做推广,使得他在搜索a词的时候得分特别大,但是其他的搜索的得分不会变大,显然使用boost是不正确的,因为他会使得所有的词的搜索得分都会变大.