查询参数
index
Indri索引库路径。在参数文件中像/path/to/repository这样指定,在命令行中像-index=/path/to/repository这样指定。该参数可以设置多次来组合多个索引库。
server
运行Indri的服务器主机名(IndriDaemon)。在参数文件中如hostname方式指定,在命令行中像-server=hostname这样来指定。主机名可以指定一个可选的商品号用来连接,用hostname:portnum这种形式。该参数可以指定多次来组合多个服务器。
count
整数值,设置给定查询返回的最大结果数。在参数文件中如number设置,在命令行中如-count=number设置。
query
需要执行的indri查询语言的query,可指定多个。
rule
指定应用的平滑规则(TermScoreFunction),格式如下:
( key ":" value ) [ "," key ":" value ]*
下面是一个命令行的规则格式:
-rule=method:linear,collectionLambda:0.2,field:title
参数文件中格式:
method:linear,collectionLambda:0.2,field:title
代表利用Jelinek-Mercer平滑(Jelinek-Mercer平滑方法是在最大似然模型和文档集模型上进行线性插值),且背景lambda值为0.2,并只在title字段中查找。
如果某项规则键(key)没有设置,则默认采用所有值。因此,如果一个规则没有指定字段,那么会匹配所有字段,故-rule=method:linear,collectionLambda:0.2是一个合法的规则。
合法的规则键有:
method:平滑方法 (text)
field:规则应用字段
operator:应用的查询项类型{ term, window }
合法的平滑方法有:
dirichlet:(also 'd', 'dir') (default mu=2500)
jelinek-mercer:(also 'jm', 'linear') (default collectionLambda=0.4, documentLambda=0.0), collectionLambda is also known as just "lambda", either will work
twostage:(also 'two-stage', 'two') (default mu=2500, lambda=0.4)
如果规则没有正确解析,默认为Dirichlet, mu=2500.
stopper
一个复杂的元素,包含了一个或多个word子元素,用于指定所使用的停止词列表。用如下方法指定: stopword (参数文件),-stopper.word=stopword (命令行). 这是一个可选参数,默认为不采用停止词。
maxWildcardTerms
(可选项) 整数值,用于为查询或者查询集的同义词列表指定特殊符号项(wildcard term)的最大数量。如果限定为一项,会抛出异常。如果没有设置值,默认为100。
基准检索(非语言模型)
baseline
指定所应用的基准检索方法(非语言模型),这使得那些对于Lemur RetMethod API过大的语料,也能在这些语料上运行基准实验。当运行基准实验时,查询词不能包含任何indri检索符,只能包括词项。
参数值的格式:(tfidf|okapi) [ "," key ":" value ]*
命令行格式例子:-baseline=tfidf,k1:1.0,b:0.3
参数文件例子:tfidf,k1:1.0,b:0.3
Methods:
tfidf:用tfidf评分来实施检索,如lemur::retrieval::TFIDFRetMethod实现的使用BM25TF词项加权。在如下参数下,可实施伪相关反馈。
参数 (可选):
k1 k1词权重,默认为1.2
b b词权重,默认为0.75
okapi:用Okapi评分来实施检索,如lemur::retrieval::OkapiRetMethod中所实现的。
Performs retrieval via Okapi scoring as implemented in lemur::retrieval::OkapiRetMethod. 这种基准测试方法下不能实施伪相关反馈。
参数 (可选):
k1: k1词权重,默认值为1.2
b:b词权重,默认值为0.75
k3: k3 查询权重,默认为7
1.1.2 格式化参数
queryOffset
指定查询的序号偏移,例如针对TREC格式的150。在参数文件中如number指定,在命令行中如-queryOffset=number方式指定
runID
查询运行的id字符串,在TREC的评分输出中使用。在参数文件中,像这样someID指定,在命令行中如下-runID=someID 。
trecFormat
标识true下产生TREC的评分输出,否则标识为false。在参数文件中这样指定: true,在命令行中这样指定-trecFormat=true。注意0可以用来表示false,1可以用来表示true。
inex participant-id
触发INEX格式的结果输出,指定提交所用的参与者ID,在参数文件中的格式如下someID,命令行格式为-inex.participantID=someID。
inex task
触发INEX格式的结果输出,指定任务属性,默认(CO.Thorough),在参数文件中格式如下someTask,命令行格式-inex.task=someTask。
inex query
触发INEX格式的结果输出,指定查询属性(默认为automatic),在参数文件中格式为someQueryType,命令行格式-inex.query=someQueryType。
inex topic-part
触发INEX格式的结果输出,指定topic-part 的属性(默认T),在参数文件中格式为someTopicPart,命令行格式如下 -inex.topicPart=someTopicPart。
inex description
触发INEX格式的结果输出,指定描述内容,在参数文件中用如下形式指定some description,在命令行中用 -inex.description="some description"描述。
1.1.3 伪相关反馈参数(Pseudo-Relevance Feedback)
fbDocs
用于相关反馈的文档数,在参数文件中如下方式指定number,命令行指定方式-fbDocs=number
fbTerms
用于相关反馈的词项数,在命令行中如下方式指定number,在命令行中指定方式-fbTerms=number
fbMu
用于相关反馈的mu值,浮点数,在命令行中指定方式为number,在命令行中指定方式为:-fbMu=number
fbOrigWeight
[0.0..1.0]区间内的浮点值用于指定扩展Query中原始Query的权重,参数文件中指定方式number,命令行中的指定方式为 -fbOrigWeight=number。
1.1.4 命令实例
IndriRunQuery D:/index/queryparam.txt
其中D:/index/queryparam.txt为参数配置文件,如下:
D:indexohsumed2 500 case false krovertz
|
1.1.5 Java调用并保存结果
下表的功能实现用Java调用命令执行,并将结果存入文本文件之中。
public static void main(String[] args){
//original results LemurCommandExecutor lce = new LemurCommandExecutor("IndriRunQuery", "D:/index/queryparam.txt"); lce.setOutputFile("D:/index/queryresult.txt");
lce.executeToFile(); }
public void executeToFile(){ Process p = null; try { String fullExecute = this.commandName +" "+ this.parameterFile; System.out.println(fullExecute); p = Runtime.getRuntime().exec(fullExecute); InputStreamReader isr = new InputStreamReader(p.getInputStream()); File file = new File(this.outputFile); BufferedWriter output = new BufferedWriter(new FileWriter(file)); int c = 0; while ((c = isr.read()) >-1) { output.write(c); }
output.close();
} catch (IOException e) { e.printStackTrace(); } }
}
|