دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.]
نویسندگان: Atri Sharma
سری:
ISBN (شابک) : 9781484263440
ناشر: Apress
سال نشر: 2020
تعداد صفحات: 103
[114]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Practical Apache Lucene 8: Uncover the Search Capabilities of Your Application به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Apache Lucene 8 کاربردی: قابلیت های جستجوی برنامه خود را کشف کنید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دانش کاملی از قابلیت های Lucene به دست آورید و از آن برای توسعه برنامه های جستجوی خود استفاده کنید. این کتاب به بررسی کتابخانه موتور جستجوی متنی با کارایی بالا مبتنی بر جاوا میپردازد که برای ایجاد قابلیتهای جستجو در برنامههای کاربردی شما استفاده میشود. با شروع از اصول اولیه Lucene و جستجو، با انواع کوئری های استفاده شده در آن آشنا می شوید و همچنین نگاهی به مدل های امتیازدهی می اندازید. با استفاده از این دانش اولیه، یک برنامه hello world را با استفاده از پرس و جوهای اولیه Lucene توسعه خواهید داد و عملکردهایی مانند امتیازدهی و افزایش سطح سند را بررسی خواهید کرد. در طول مسیر، مفاهیم جستجو و تطبیق جزئی در Lucene را نیز کشف خواهید کرد و سپس نحوه ادغام اطلاعات جغرافیایی (داده های مکانی) در Lucene را با استفاده از پرس و جوهای فضایی و نمایه سازی n بعدی خواهید آموخت. این شما را آماده میکند تا یک موتور جستجوی آگاه از مکان با مجموعه دادهای نماینده بسازید که اجازه میدهد محدودیتهای مکان در طول جستجو مشخص شود. همچنین با استفاده از Lucene و Apache Mahout، یک چارچوب یادگیری ماشینی محبوب، یک طبقهبندی متن ایجاد خواهید کرد. پس از بررسی دقیق معیارهای عملکرد و مسائل رایج مرتبط با آن، برخی از بهترین شیوه های تنظیم عملکرد برنامه خود را خواهید آموخت. در پایان کتاب میتوانید اولین پچ Lucene خود را بسازید، جایی که نه تنها پچ خود را مینویسید، بلکه آن را آزمایش میکنید و از رعایت استانداردهای کدگذاری جامعه اطمینان مییابید. آنچه یاد خواهید گرفت به اصول اولیه آپاچی لوسن مسلط شوید استفاده از انواع مختلف پرس و جو در آپاچی لوسن کاوش امتیازدهی و افزایش سطح سند ادغام داده های جغرافیایی در برنامه خود این کتاب برای توسعه دهندگانی است که می خواهند با توسعه یک سری از جزئیات دقیق Apache Lucene را بیاموزند. با آن پروژه می کند.
Gain a thorough knowledge of Lucene\'s capabilities and use it to develop your own search applications. This book explores the Java-based, high-performance text search engine library used to build search capabilities in your applications. Starting with the basics of Lucene and searching, you will learn about the types of queries used in it and also take a look at scoring models. Applying this basic knowledge, you will develop a hello world app using basic Lucene queries and explore functions like scoring and document level boosting. Along the way you will also uncover the concepts of partial searching and matching in Lucene and then learn how to integrate geographical information (geospatial data) in Lucene using spatial queries and n-dimensional indexing. This will prepare you to build a location-aware search engine with a representative data set that allows location constraints to be specified during a search. You’ll also develop a text classifier using Lucene and Apache Mahout, a popular machine learning framework. After a detailed review of performance bench-marking and common issues associated with it, you’ll learn some of the best practices of tuning the performance of your application. By the end of the book you’ll be able to build your first Lucene patch, where you will not only write your patch, but also test it and ensure it adheres to community coding standards. What You’ll Learn Master the basics of Apache Lucene Utilize different query types in Apache Lucene Explore scoring and document level boosting Integrate geospatial data into your application Who This Book Is For Developers wanting to learn the finer details of Apache Lucene by developing a series of projects with it.
Table of Contents About the Author About the Technical Reviewer Acknowledgments Introduction Chapter 1: Hola, Lucene! Key Features of Lucene Information Retrieval Basics Linear Scan Stop List Stemming Term Term-Document Incidence Matrix Serving Queries Using a Term-Document Incidence Matrix Basic Terminology Heart of Lucene’s Data Representation Lucene’s Inverted Index Structure On-Disk Representation of a Lucene Index Terms Dictionary Frequencies File Positions File Queries on Lucene Structure of a Lucene Query Fields Types of Queries in Lucene Lucene vs. Relational Databases Chapter 2: Hello World: The Lucene Way Indexing Data in Lucene Document Analyzers StandardAnalyzer StopAnalyzer SimpleAnalyzer IndexWriter Directory Create Documents Create Index and Write Documents Adding Data to the Index Bringing It All Together TestClass Document Search QueryParser TopDocs IndexSearcher IndexReader Searching Boolean Model What Is Relevance? Scoring Algorithms TF/IDF Vector Space Model Scoring Example Lucene’s Scoring Model Fields Similarity Boosting Collectors Chapter 3: Core Search Fundamentals Codecs DocValues Phrase Queries Term Vectors BooleanQuery MultiTermQuery QueryCache Scorer as Part of the Search Process Chapter 4: Spatial Indexing Spatial Module What Are Geohashes? Quad Trees K-D Trees BKD Trees Using Spatial Indexing Chapter 5: Location-Aware Search Engines Why Use a Search Engine for Geographic Searches? Range Queries Function Queries Geospatial Basics Representing Spatial Data Tiered Design for Storage Geohashes Spatial Data with Text Search Distance Calculations Bounding Box Filter A Point on Distance Calculation Chapter 6: Introducing Machine Learning with Apache Mahout Origin of Apache Mahout Why Apache Mahout? Introduction to Machine Learning Learning Collaborative Filtering Clustering Categorization Converting from Lucene Components to Mahout Components Integrating Lucene with Mahout lucene.vector Lucene2seq Java Version of Lucene2seq Putting It All Together Chapter 7: Improving Lucene’s Performance Increase Indexing Speed Reuse Field Instances The Curious Case of Large Commits Reuse Tokens in Analyzers Tuning Flush Intervals Increase mergeFactor Choosing the Correct Analyzers Use Multiple Threads with One IndexWriter Index into Separate Indexes and Then Merge Improve Search Performance Use the Latest Version of Lucene Use IndexReader with the readOnly Attribute Equal to True Use MMapDirectory/NIOFSDirectory Decrease mergeFactor Ignore First Query’s Performance Avoid Reopening IndexSearcher Instances Share IndexSearcher Instances Use Stored Fields and Term Vectors Sparingly Use Filters Final Thoughts on Best Practices Chapter 8: Your First Lucene Patch Why Contribute to Open Source Projects? Improve Projects Based on Real-World Experience and Proven, Working Solutions Discover and Share Project Internals Enhance Your Reputation, Boost Your Career Mitigate Future Risks Derive Personal Satisfaction How to Contribute to Open Source Projects Apache Software Foundation Working with Git Basic Git Terminology Blobs Trees Commits Branches Tags Clones Pull Push JIRA Writing a Patch Tests Writing Good Commit Messages Writing Documentation Raise a Pull Request Interacting with the Community Index