TreeSet排序

TF-IDF与TreeSet排序
今天查阅ansj源码是看到权重这里:

private List<Keyword> computeArticleTfidf(String content, int titleLength) {
Map<String, Keyword> tm = new HashMap<String, Keyword>();

List<Term> parse = NlpAnalysis.parse(content);
for (Term term : parse) {
double weight = getWeight(term, content.length(), titleLength);
if (weight == 0)
continue;
Keyword keyword = tm.get(term.getName());
if (keyword == null) {
keyword = new Keyword(term.getName(), term.natrue().allFrequency, weight);
tm.put(term.getName(), keyword);
} else {
keyword.updateWeight(1);
}
}

TreeSet<Keyword> treeSet = new TreeSet<Keyword>(tm.values());

ArrayList<Keyword> arrayList = new ArrayList<Keyword>(treeSet);
if (treeSet.size() <= nKeyword) {
return arrayList;
} else {
return arrayList.subList(0, nKeyword);
}

}

考虑到怕许问题,其实java中接口Set有众多实现类,而HashSet和TreeSet是最常用的两个,通过TreeSet实现排序的2种方式:
[b]1.通过TreeSet(Comparator<? super E> comparator) 构造方法指定TreeSet的比较器进行排序;[/b]
[b]2.使用TreeSet()构造方法,并对需要添加到set集合中的元素实现Comparable接口进行排序;[/b]
跟踪源代码,可以发现上面的例子,实用的就是第二种方式,查看Keyword类:
public class Keyword implements Comparable<Keyword> 

可以看到该类以下方法:

@Override
public int compareTo(Keyword o) {
if (this.score < o.score) {
return 1;
} else {
return -1;
}
}

接下来我们实现一下第一种方式:
实体类:

public class AA {
private int num;

public int getNum() {
return num;
}

public void setNum(int num) {
this.num = num;
}

public String toString()
{
return "AA:" + this.getNum() + ",";
}
}

比较器:

import java.util.Comparator;

public class MyComparator implements Comparator<AA> {

public int compare(AA a1,AA a2) {

if (f1.getNum() > f2.getNum())
{
return 1;
}
else if (a1.getNum() == a2.getNum())
{
return 0;
}
else
{
return -1;
}
}
}

接下来就是使用了:

TreeSet<Foo> set = new TreeSet(new MyComparator());

这样在set.add()元素时就会根据自己定义比较器进行排序了。

程序猿行业技术生活交流群:181287753(指尖天下),欢迎大伙加入交流学习。
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值