Lucene
Apache Lucene
Lucene , metin için indekslemeye ve aramaya izin veren , Java ile yazılmış açık kaynaklı bir kütüphanedir . Bazı arama motorlarında kullanılmaktadır .
Apache lisansı altında kullanıma sunulan Apache kuruluşunun bir projesidir . Aynı için de kullanılabilir Ruby , Perl , C ++ , PHP , C # , Python dilleri .
Tarihi
Lucene, ilk olarak Doug Cutting tarafından SourceForge.net sitesine yüklenmiştir .Mart 2000. Daha sonra GNU Kısıtlı Genel Kamu Lisansı altında yayınlanır . Onun transferi Apache Jakarta ilan edilirEkim 2001.
Lucene projesi , Aralık 2004'te yayınlanan Lucene in Action (eylemde Lucene) kitabından geliyor . Açık kaynak projeleri Ant , Lucene ve Tapestry'nin yöneticilerinden Erik Hatcher ve Apache Jakarta projesinin aktif bir üyesi olan Otis Gospodnetic tarafından ortaklaşa yazılmıştır .
14 Şubat 2005Lucene, Apache Jakarta projesine geçiyor . Kaynak kod tabanı dönüştürülür svn versiyonu kontrol .
Pazartesi 12 Aralık 2005Grant Ingersol, doğal dil işleme ile ilgili teknik ayrıntılar da dahil olmak üzere Lucene bileşenlerinin gelişmiş kullanımı üzerine ApacheCon ABD'de Java'da bir vaka çalışması sunuyor .
Bugün Lucene, dünya çapında çok sayıda ürünün ve web sitesinin arama motoru için kullanılmaktadır.
Lucene nasıl çalışır?
Endeksleme
İnternetin patlamasına kadar , Dewey'in ondalık sınıflandırması , bir kütüphanedeki nesneleri sınıflandırmada çok etkiliydi. Bununla birlikte, Web'de mevcut veri kütlesi o kadar devasa hale geldi ki, bilgiyi bulmak için artık alternatif ve daha dinamik araçlar kullanmak gerekiyor.
Tüm arama motorlarının merkezinde otomatik bir indeksleme mekanizması vardır : ham verilerin bir kez işlenmesi ve ona çok sayıda yüksek verimli bağlantı verilmesi, arama işlemini hızlandırır. Kavram, genellikle bir kitabın sonunda bulunan ve belirli bir konuyla ilgili sayfaları hızlı bir şekilde bulmanızı sağlayan terminoloji dizinine oldukça benzer .
Büyük bir dosya alanını kaplamanız veya tek bir dosyada belirli bir karakter dizesi bulmanız gerekiyorsa, verilen kelime öbeği için her dosyayı sırayla taramamalısınız. Çünkü dosya sayısı ne kadar fazlaysa bilgi aramak o kadar uzun sürer . Sıralı yöntemi ortadan kaldıran, hızlı aramaya izin veren bir formatta bir metin dizini oluşturmak daha iyidir . Bu işleme indeksleme adı verilir .
Araştırma
Araştırma bulmak için bir dizin kelimeleri ararken eylemidir başvuruları göründükleri zaman belgelere. Bir aramanın kalitesi , sonuçların konumu ve alaka düzeyine göre değerlendirilir . Ancak, aramaya giren başka faktörler de var. Hız, büyük miktarda bilginin işlenmesinde belirleyici bir faktördür. Benzer şekilde, basit veya karmaşık sorguları, sorgulama cümlelerini, karakterleri, konumlandırma ve sıralama sonuçlarını destekleyebilmek , bu sorguları girmek için öğrenmesi kolay bir sözdizimi kadar önemlidir.
Sınıflar
Aşağıdaki bölümler, bu arama motorunu oluşturmak için kullanılan ana sınıflara kısa bir giriş sağlar .
Dizin oluşturma sınıfları
-
IndexWriter - IndexWriter sınıfı, dizin oluşturma işleminin merkezi bileşenidir. Bu sınıf, yeni bir dizin oluşturur ve belgeleri mevcut bir dizine ekler. Onu dizine yazabileceğimiz, ancak okunmasına veya aranmasına izin vermeyen bir nesne olarak düşünebiliriz.
-
Directory - Directory sınıfı, Lucene indeksinin konumunu temsil eder. IndexWriter Dizin'in uygulamaları, birini kullanan FSDirectory bir dizinde dizinini oluşturmak için, File System . Başka bir uygulama olan RAMDirectory , tüm verilerini belleğe alır. Bu, belleğe tam olarak yüklenebilen ve bir uygulamanın sonlandırılmasıyla yok edilebilen daha küçük dizinler için yararlı olabilir.
-
Çözümleyici - Metin dizine girmeden önce Çözümleyiciden geçer. Bu, indeks için önemli kelimeleri çıkarmak ve geri kalanını silmek için kullanılan soyut bir sınıftır . Bu sınıf Lucene'nin önemli bir parçasıdır ve bir giriş filtresinden daha fazlasını yapmak için kullanılabilir.
-
Belge - Belge sınıfı, bir alan koleksiyonunu temsil eder. Bir belgedeki alanlar, o belgeyle ilişkili belgeyi veya meta verileri temsil eder . Orijinal kaynak (bir veritabanındaki kayıtlar, bir Word belgesi, bir kitaptan bir bölüm vb.) Lucene ile ilgili değildir. Yazar, başlık, konu, tarih vb. Meta veriler bir belgedeki alanlar olarak ayrı olarak indekslenir ve saklanır.
-
Alan - Her belge, Alan adı verilen bir sınıfa eklenen bir veya daha fazla alan içeren bir dizindir . Her alan ( alan ), arama sırasında dizinden sorgulanan veya alınan bir veri bölümüdür.
Araştırma dersleri
-
IndexSearcher - IndexSearcher sınıfı , IndexWriter'ın indeksleyeceği şeyi aramak içindir . Bunu salt okunur modda bir dizin açan bir sınıf olarak düşünebiliriz.
-
Terim - Terim , alan nesnesine benzer şekilde arama için temel bir birimdir . Bu bir karakter dizesidir: alanın adı ve değeri. Kullanılan terimlerin de indeksleme sürecine dahil edildiğini unutmayın.
-
Query - Query sınıfı , BooleanQuery , PhraseQuery , PrefixQuery , PhrasePrefixQuery , RangeQuery , FilteredQuery ve SpanQuery içeren soyut bir sınıftır .
-
TermQuery - Bu, Lucene'nin en temel sorgu yöntemidir. Belirli değerlere sahip alanlar içeren belgeleri eşitlemek için kullanılır.
-
QueryParser - QueryParser sınıfı, bir dizinde arama yapabilen analitik bir ayrıştırıcı oluşturmak için kullanılır .
-
Hits - Hits sınıfı, belirli bir sorgu için görünen belgelere ilişkin arama sonuçlarını sıralamak için basit bir dizin kapsayıcısıdır. Performans nedenleriyle, sıralama örnekleri belirli bir sorgu için tüm belgeleri dizinden değil, yalnızca bazılarını yükler.
Kaynaklar
Araçlar
- Luke (Lucene Index Toolbox), mevcut Lucene dizinlerine erişen ve içeriklerinin çeşitli şekillerde gösterilmesine ve düzenlenmesine izin veren kullanışlı bir teşhis ve geliştirme aracıdır. Luke, kodunun bir bölümü dışında Apache Lisansı kapsamındadır.
- LIMO (Lucene Index Monitor), Lucene arama motoru tarafından kullanılan indeksler hakkında temel bilgiler sağlar. Bu bir SourceForge projesidir.
İlgili Projeler
Tüm bu projeler Apache Lucene'nin alt projeleridir veya alt projeleridir ve bir arama motorunun uygulanmasına izin verir.
Bir arama motorunun bileşenleri
Notlar ve referanslar
-
" LuceneTM Core News " ( 3 Aralık 2020'de erişildi )
-
Lucene sayfa SourceForge
-
ApacheCon'da sunulan oturum
-
(inç) Lucene kullanan uygulamaların listesi
Ekler
Kaynakça
- " Apaçi Lucene giriş: Java Açık Kaynak Tam Metin Alma Sistemleri İnşaat " Koshi Sekiguti tarafından; Gijutsu-Hyohron Co, Ltd; ( ISBN 4774127809 )
- Erik Hatcher ve Otis Gospodnetić'in yazdığı " Lucene In Action "; Manning Yayınları;Aralık 2004; ( ISBN 1932394281 ) (en) [1]
- Manfred Hardt, Dr. Fabian Theis: " Suchmaschinen entwickeln mit Apache Lucene "; Yazılım ve Destek Verlag, Frankfurt am Main, Almanya;Eylül 2004; ( ISBN 3935042450 )
İlgili Makaleler
Dış bağlantılar