ExtensibilitéAnalyse de texteLa classe Zend_Search_Lucene_Analysis_Analyzer est utilisé par l'indexeur afin de transformer en segments les champs texte du document.
Les méthodes Zend_Search_Lucene_Analysis_Analyzer::getDefault()
et Vous pouvez assigner votre propre analyseur de texte ou choisir parmi un ensemble d'analyseurs prédéfinis : Zend_Search_Lucene_Analysis_Analyzer_Common_Text et Zend_Search_Lucene_Analysis_Analyzer_Common_Text_CaseInsensitive (par défaut). Tout deux interprètent les segments comme des séquences de lettres. Zend_Search_Lucene_Analysis_Analyzer_Common_Text_CaseInsensitive convertit tous les segments en minuscule. Pour changer d'analyseur : La classe Zend_Search_Lucene_Analysis_Analyzer_Common a été conçu pour être l'ancêtre de tous les analyseurs définis par l'utilisateur. L'utilisateur doit uniquement définir les méthodes reset() et nextToken(), qui prennent leur chaîne de caractères depuis la propriété $_input et retournent les segments un par un (une valeur NULL indique la fin du flux). La méthode nextToken() doit appeler la méthode normalize() sur chacun des segments. Ce qui vous permet d'utiliser des filtres de segments avec votre analyseur. Voici l'exemple d'analyseur personnalisé, qui accepte des mots contenant des chiffres comme terme : Example #1 Analyseur de texte personnalisé
Filtrage des segmentsL'analyseur Zend_Search_Lucene_Analysis_Analyzer_Common offre aussi un mécanisme de filtrage des segments. La classe Zend_Search_Lucene_Analysis_TokenFilter fournit une interface abstraites pour ces filtres. Vos propres filtres devraient étendre cette classe directement ou indirectement. Chaque filtre personnalisé doit implémenter la méthode normalize() qui devrait transformer le segment en entrée ou signaler que le segment courant doit être sauté. Il y a trois filtres déjà défini dans le sous-paquet d'analyse :
Le filtre
Les filtres
Le constructeur Zend_Search_Lucene_Analysis_TokenFilter_StopWords prends un tableau de stop-words en entrée. Mais les stop-words peuvent aussi être chargé à partir d'un fichier : Le constructeur de la classe Zend_Search_Lucene_Analysis_TokenFilter_ShortWords a un argument optionnel. Il s'agit de la longueur maximum de mot, elle est définie par défaut à 2. Algorithme de scoreLe score d'un document d pour une requête q est défini comme suit :
tf(t in d) - Zend_Search_Lucene_Search_Similarity::tf($freq) - un facteur de score basé sur la fréquence d'un terme ou d'une phrase dans un document. idf(t) - Zend_Search_Lucene_Search_Similarity::idf($input, $reader) - un facteur de score pour un terme simple de l'index spécifié. getBoost(t.field in d) - le facteur d'impulsion pour le champ du terme. lengthNorm($term) - la valeur de normalisation pour un champ donné du nombre total de terme contenu dans un champ. Cette valeur est stockée dans l'index. Ces valeurs, ainsi que celle du champ d'impulsion, sont stocké dans un index et multipliées par le score de hits par code de recherche sur chaque champ. La correspondance au sein de champs plus long est moins précise, ainsi l'implémentation de cette méthode retourne généralement de plus petites valeurs quand numTokens est important, et de plus grandes valeurs lorsque numTokens est petit. coord(q,d) - Zend_Search_Lucene_Search_Similarity::coord($overlap, $maxOverlap) - un facteur de score basé sur la fraction de tout les termes de la recherche que le document contient. La présence d'une grande partie des termes de la requête indique une meilleure correspondance avec la requête, ainsi les implémentations de cette méthode retourne habituellement de plus grandes valeurs lorsque le ration entre ces paramètres est grand que lorsque le ratio entre elle est petit. queryNorm(q) - la valeur de normalisation pour la requête en fonction de la somme des poids au carré de chaque terme de la requête. Cette valeur est ensuite multipliée par le poids de chacun des termes de la requête. Ceci n'affecte pas le classement, mais tente plutôt de faire des scores à partir de différentes requêtes comparables entre elles. Les algorithmes de score peuvent être personnalisés en définissant votre propre classe de similitude. Pour ce faire, étendez la classe Zend_Search_Lucene_Search_Similarity comme défini ci-dessous, puis appelez la méthode Zend_Search_Lucene_Search_Similarity::setDefault($similarity); afin de la définir par défaut.
Conteneur de stockageLa classe abstraite Zend_Search_Lucene_Storage_Directory définit la fonctionnalité de répertoire. Le constructeur Zend_Search_Lucene utilise soit une chaîne soit un objet Zend_Search_Lucene_Storage_Directory en paramètre. La classe Zend_Search_Lucene_Storage_Directory_Filesystem implémente la fonctionnalité de répertoire pour un système de fichier. Si une chaîne est utilisé comme paramètre du constructeur Zend_Search_Lucene, le lecteur (Zend_Search_Lucene object) le considère comme un chemin dans le système de fichier et instancie l'objet Zend_Search_Lucene_Storage_Directory_Filesystem. Vous pouvez définir votre propre implémentation de répertoire en étendant la classe Zend_Search_Lucene_Storage_Directory. Les méthodes deZend_Search_Lucene_Storage_Directory :
La méthode getFileObject($filename) de l'instance Zend_Search_Lucene_Storage_Directory retourne un objet Zend_Search_Lucene_Storage_File. La classe abstraite Zend_Search_Lucene_Storage_File implémente l'abstraction de fichiers et les primitives de lecture de fichier d'index. Vous devez aussi étendre Zend_Search_Lucene_Storage_File dans votre implémentation de répertoire. Seulement deux méthodes de Zend_Search_Lucene_Storage_File doivent être surchargées dans votre implémentation :
|