全文检索lucene学习笔记(五)

本文介绍了如何使用Lucene进行查询结果的排序与搜索,包括单个字段和多个字段的排序方法,并讨论了tokenized字段排序的问题。通过实例代码展示了如何实现搜索功能。

Lucene实现对查询结果的排序:

Sort sort = new Sort(new SortField("isbn", false)); //单个字段

Sort sort = new Sort(new SortField[]{new SortField("isbn", false), new SortField("pbl_dt", true)}); //多个字段

其中,SortField的构造函数中第二个参数能够确定是升序还是降序。(true:降序;  false:升序)

提醒:索引中tokenized的字段是不能被排序的,否则会抛异常。

代码如下:

package com.lucene.search;

import java.io.File;
import java.io.IOException;

import org.apache.lucene.index.Term;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Sort;
import org.apache.lucene.search.SortField;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;

public class Searcher {
	
	public static void main(String[] args) throws Exception {
		File indexDir = new File("C://target//index//book");
		String q = "书";
		if (!indexDir.exists() || !indexDir.isDirectory()) {
			throw new IOException();
		}
		search(indexDir, q);
	}

	public static void search(File indexDir, String q) throws Exception {
		
		Directory fsDir = FSDirectory.getDirectory(indexDir);
		IndexSearcher searcher = new IndexSearcher(fsDir);
		
		//Sort sort = new Sort(new SortField("isbn", false));
		Sort sort = new Sort(new SortField[]{new SortField("isbn", false), new SortField("pbl_dt", true)});
		Term term = new Term("content", q.toLowerCase());
		TermQuery termQuery = new TermQuery(term);
		Hits hits = searcher.search(termQuery, sort);
		System.out.println("共有" + searcher.maxDoc() + "条索引,命中" + hits.length() + "条");
		for (int i = 0; i < hits.length(); i++) {
			int DocId = hits.id(i);
			String DocName  = hits.doc(i).get("name");
			String DocIsbn  = hits.doc(i).get("isbn");
			String DocPblDt = hits.doc(i).get("pbl_dt");
			System.out.println(DocId + ":" + DocName + "  ISBN:" + DocIsbn + "  PBLDT:" + DocPblDt);
		}
	}
}
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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