转:http://tech.ddvip.com/2009-01/1231742812105589.html
注意:本文内容仅适用于Lucene.Net,以2.1版为例,其它版本可能会有出入,Java版本差别更大一些。
改动库先要有个思路。Lucene.Net的查询结果是一个Hits,而它有一个方法length可以得到总的结果。这个结果是一个精确值。这个值实际上是在TopDocCollector类的Collect方法计算出来的。要改精算为估算也就是在这里添加算法就可以了。
修改一下其实也适合于 java版本的lucene,我就是用下面这个方法实现的:
public void Collect(int doc,float score)
{
if(score>0.0f)
{
totalHits++;
if(hq.Size()<numHits||score>=minScore)
{
hq.Insert(new ScoreDoc(doc,score));
minScore=((ScoreDoc)hq.Top()).score;//maintainminScore
}
}
}
这个方法中已经有了Document的id号,只要有办法拿到Document就能得到类别了。能拿到Document的类,IndexSearcher和IndexReader都可以。这里用IndexReader比较合算,因为IndexSearcher本身就包含IndexReader的。
Collect方法会在几个地方被用到。都是Scorer一系的类中。比如TermScorer,BooleanScorer2等。所以按分类统计如果给Collect增加参数的话改动量可能会比较大。所以修改TopDocCollector的构造函数。
private IndexReader reader;
public TopDocCollector(int numHits,IndexReader reader)
{
this(numHits,newHitQueue(numHits),reader)
}
public TopDocCollector(int numHits,PriorityQueue hq,IndexReader reader)
{
this.numHits=numHits;
this.hq=hq;
this.reader=reader;
}
同时有两个调用构造函数的地方需要被修改。
TopFieldDocCollector的构造函数:
public TopFieldDocCollector(IndexReader reader,Sort sort,int numHits)
{
super(numHits,newFieldSortedHitQueue(reader,sort.fields,numHits),reader)
}
IndexSearcher的构造函数:
public TopDocs Search(Weight weight,Filter filter,int nDocs)
{
if(nDocs<=0)
//nullmightbereturnedfromhq.top()below.
throw new System.ArgumentException("nDocsmustbe>0");
TopDocCollector collector=new TopDocCollector(nDocs,this.reader);
Search(weight,filter,collector);
return collector.TopDocs();
}
现在TopDocCollector类就可以拿到分类了。
public override void Collect(int doc,float score)
{
if(score>0.0f)
{
Documentd=reader.Document(doc); //这里是最耗费,取一次大概耗费15-16毫秒
int category=int.Parse(d.Get("category"));
totalHits++;
if(hq.Size()<numHits||score>=minScore)
{
hq.Insert(newScoreDoc(doc,score));
minScore=((ScoreDoc)hq.Top()).score;//maintainminScore
}
}
}
最终这个统计的结构需要反映到Hits类去。返回结构和TopDocCollector的public TopDocs TopDocs()方法有关。给TopDocs 增加一个字段:
public ArrayList<int,int> category_count;
Collect方法改成:
private ArrayList<int,int> category_count;
category_count=new ArrayList<int,int>();
public void Collect(int doc,float score)
{
if(score>0.0f)
{
Documentd=reader.Document(doc);
int category=int.Parse(d.Get("category"));
if(category_count.ContainsKey(category))
category_count[category]++;
else
category_count.add(category,1);
totalHits++;
if(hq.Size()<numHits||score>=minScore)
{
hq.Insert(newScoreDoc(doc,score));
minScore=((ScoreDoc)hq.Top()).score;//maintainminScore
}
}
}
TopDocs方法改成
public TopDocsTopDocs()
{
ScoreDoc[]scoreDocs=new ScoreDoc[hq.Size()];
for(inti=hq.Size()-1;i>=0;i--)
//putdocsinarray
scoreDocs[i]=(ScoreDoc)hq.Pop();
float maxScore=(totalHits==0)?scoreDocs[0].score;
TopDocs docs=new TopDocs(totalHits,scoreDocs,maxScore);
docs.category_count=category_count;
return docs;
}
Hits类增加:
private ArrayList<int,int> category_count;
public ArrayList<int,int> Category_Count{
get{
return category_count;
}
}
同时修改:
privatevoid GetMoreDocs(int min)
{
if(hitDocs.Count>min)
{
min=hitDocs.Count;
}
intn=min*2;//double#retrieved
TopDocs topDocs=(sort==null)?searcher.Search(weight,filter,n):searcher.Search(weight,filter,n,sort);
category_count=topDocs.category_count;
length=topDocs.totalHits;
ScoreDoc[]scoreDocs=topDocs.scoreDocs;
floatscoreNorm=1.0f;
if(length>0&&topDocs.GetMaxScore()>1.0f)
{
scoreNorm=1.0f/topDocs.GetMaxScore();
}
intend=scoreDocs.Length<length?scoreDocs.Length:length;
for(inti=hitDocs.Count;i<end;i++)
{
hitDocs.Add(newHitDoc(scoreDocs[i].score*scoreNorm,scoreDocs[i].doc));
}
}
至此就OK了。从结果中取的时候,比如ID为1的分类,则
hits.Category_Count[1]就出来了。