图片搜索实现
一、BM25算法的实现
BM25算法的实现较为简单，但是此处修改了simpleScorer的构造函数，传入了indexReader，以便获得doc中 abstractString的长度，具体实现见如下代码:
assert doc != ‐1;
try
{
Document currentDoc = reader.document(doc);
String absStr = currentDoc.get("abstract");
int docLen = absStr.length();
float denominator = K1 * (1 ‐ b + b * (float)docLen / avgLength) + termDocs.freq();
float numerator = (K1 + 1) * termDocs.freq();
float tf = numerator / denominator;
return tf * idf;
}
catch (IOException e)
{
System.out.println(e);
return idf * this.termDocs.freq();
}
二、VSM模型与BM25的对比
VSM模型则直接使用了lucene自带的term query 对爆笑这个词进行了搜索，VSM与BM25对比的结果如下: vsm:
bm25:
可见VSM中爆笑出现的频率更高，但是BM25中爆笑出现的频率并不一定是最高的，这与它们各自的计算方式相关。
三、用html扩充语料库
首先用python写了一个脚本将各个html中的title抽取出来，并处理了编码问题，随后生成了一个新的xml文件供
ImageIndexer生成新的index，下面对比了是否扩充语料库的搜索结果:
美女(扩充语料库)
美女(未扩充语料库)
可见扩充语料库后，搜索结果比扩充前更加丰富。
四、查询词分词
对查询词同样适用了IKAnalyzer进行分词，随后每个term都生成一个termQuery，并将termQuery add到
BooleanQuery中,add的方式为occur.SHOULD。这样即使当搜索词与索引不是完美匹配时，也可以利用分词有一个较好的搜索结果。下面给出一个对比:
分词前
分词后
文章来源：https://www.toymoban.com/news/detail-420876.html
可见一些分词前无法搜到的图片在分词后可以搜到一些折中的结果。文章来源地址https://www.toymoban.com/news/detail-420876.html
到了这里，关于基于Java实现的图片搜索系统的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
