関口宏司のLuceneブログ

OSS検索ライブラリのLuceneおよびそのサブプロジェクト(Solr/Tika/Mahoutなど)について
スポンサーサイト

一定期間更新がないため広告を表示しています

| スポンサードリンク | - | | - | - |
FSTとGraphViz
LuceneのFSTというクラスを見ていたら、同じパッケージのUtilクラスにtoDot()というメソッドがあったので、FSTオブジェクトをGraphVizで表示してみた。そのプログラムと手順を紹介しよう。

FSTはFinite State Transducer(有限状態変換器)の略でそのままの名称のクラスがLuceneで提供されている。FSAと異なり受理した言語(バイトシーケンス)を任意の出力にマップする。Lucene/Solrでは単語辞書をさまざまなメタ情報にマップしたり、類義語辞書を持ったりするので、FSTがいろいろなところで活用できる。FSTを構築するのにすぐれたアルゴリズムがあり、こちらの論文で紹介されている方法を使ってFSTクラスが実装されている。この方法では入力単語はあらかじめソートされている必要があるが、Luceneの単語辞書はUnicode順でソートされており、また類義語辞書などソートされていないものについてはソートした上でadd()すればよい。

FSTを使った簡単なプログラムを次に示す。

public final class TestSimple {

    static final String[] DATA = {"station", "commotion", "elation", "elastic", "plastic", "stop", "ftop", "ftation", "stat"};

    public static void main(String[] args) throws IOException {
	List<String> list = new ArrayList<String>();
	for(String d : DATA){
            list.add(d);
	}
        Collections.sort(list);

	NoOutputs outputs = NoOutputs.getSingleton();
	Object nothing = outputs.getNoOutput();
	Builder<Object> b = new Builder<Object>(FST.INPUT_TYPE.BYTE1, outputs);

	final BytesRef term = new BytesRef();
	final IntsRef scratchIntsRef = new IntsRef();
	for (String d : list) {
            term.copyChars(d);
            b.add(Util.toIntsRef(term, scratchIntsRef), nothing);
	}

        FST<Object> fst = b.finish();

	Writer w = new PrintWriter("out.dot");
	Util.toDot(fst, w, true, true);
	w.close();
    }

}


このプログラムを実行すると、out.dotというファイルができるので、GraphVizのdotコマンドを次のように実行する。

$ dot -Tpng -o out.png out.dot


すると、out.pngという次のような画像ファイルが出力される。

FST output

このアルゴリズムではプレフィックスだけでなくサフィックスも文字列が共有されており、非常にメモリ効率が高いことがわかる。



あの米Clouderaディレクターも参加したロンウイットのSolrトレーニング・・・受講者インタビュー記事
決算期の今は実は受講の大チャンス!あなたの部署の余った予算を有効活用しましょう。        Solr 3.5 4月 トレーニング受講者募集中

| 関口宏司 | Luceneツール | 00:04 | comments(1) | trackbacks(0) |
ConcurrentMergeSchedulerのデッドロック問題とJava Puzzle
LuceneのConcurrentMergeSchedulerのデッドロック問題(あくまでも可能性であり、アプリケーションでへんなことをしていなければ大丈夫)が、JIRAにチケット管理されないまま修正されたので、メモしておく。

メールスレッド
修正(4.0)
修正(3.6)

ところで、このメールスレッドの中で紹介されていた「Java Puzzle」のサイトが手軽にできてよかったので簡単に紹介したい。

Wouter Coekaerts - Java Puzzle 1: Clowns

私は問題文(制限事項)をよく読まずに1秒でできたと思ったらちょっと違っていた。ヒントはVolkswagenのadd()メソッドがsynchronizedになっているところに注目する・・・という感じだろうか。

Java Puzzleは現在3つまで公開されている。



あの米Clouderaディレクターも参加したロンウイットのSolrトレーニング・・・受講者インタビュー記事
決算期の今は実は受講の大チャンス!あなたの部署の余った予算を有効活用しましょう。予算が余っていないか、上司に聞いてみましょう。        Solr 3.5 4月 トレーニング受講者募集中

| 関口宏司 | 不具合関連 | 11:23 | comments(0) | trackbacks(0) |
+ Solrによるブログ内検索
+ PROFILE
    123
45678910
11121314151617
18192021222324
25262728293031
<< March 2012 >>
+ LINKS
検索エンジン製品 - 比較のポイント
商用検索エンジンを購入した企業担当者は読まないでください。ショックを受けますから・・・
>>製品比較 10のポイント
+ Lucene&Solrデモ
+ ThinkIT記事
+ RECOMMEND
Apache Solr入門 ―オープンソース全文検索エンジン
Apache Solr入門 ―オープンソース全文検索エンジン (JUGEMレビュー »)
関口 宏司,三部 靖夫,武田 光平,中野 猛,大谷 純
+ RECOMMEND
Lucene in Action
Lucene in Action (JUGEMレビュー »)
Erik Hatcher,Otis Gospodnetic,Mike McCandless
FastVectorHighlighterについて解説記事を寄稿しました。
+ RECOMMEND
+ SELECTED ENTRIES
+ RECENT COMMENTS
+ RECENT TRACKBACK
+ CATEGORIES
+ ARCHIVES
+ MOBILE
qrcode
+ SPONSORED LINKS