Zakázat stop slova v Javě – Přidat dokumenty do indexu s GroupDocs
V tomto tutoriálu se dozvíte, jak zakázat stop slova java při přidávání souborů do vyhledávatelného indexu pomocí GroupDocs.Search pro Java. Vypnutím vestavěného filtru stop slov se každý token – včetně běžných slov jako „on“, „by“ nebo „the“ – stane vyhledávatelným, což výrazně zvyšuje relevanci výsledků pro specializované domény, jako jsou právní smlouvy, e‑commerce katalogy nebo technické manuály.
Rychlé odpovědi
- Co znamená „přidat dokumenty do indexu“? Znamená to načíst vaše zdrojové soubory do vyhledávatelného indexu, aby mohly být efektivně dotazovány.
- Proč bych měl zakázat stop slova? Aby se do vyhledávání zahrnula běžná slova (např. „on“, „the“), když mají ve vašem oboru význam.
- Jaká verze knihovny je vyžadována? GroupDocs.Search pro Java 25.4 nebo novější.
- Potřebuji licenci? Bezplatná zkušební verze funguje pro hodnocení; pro produkční nasazení je vyžadována trvalá licence.
- Mohu to použít v Maven projektu? Ano – stačí přidat repozitář a závislost uvedenou níže.
Co jsou stop slova ve vyhledávání a proč je můžete chtít zakázat?
Stop slova jsou termíny s vysokou frekvencí, které mnoho vyhledávačů automaticky filtruje, aby urychlilo zpracování dotazů. Zakázáním těchto slov zajistíte, že každé slovo – včetně tradičně ignorovaných – přispívá do vyhledávacího indexu, což je nezbytné, když tato slova nesou doménově specifický význam. Například v právní smlouvě může slovo „by“ rozlišovat strany a v produktovém katalogu může být „on“ součástí názvu modelu.
Jak funguje přidávání dokumentů do indexu v GroupDocs.Search?
Když přidáváte dokumenty, GroupDocs.Search načte každý soubor, tokenizuje jeho obsah a uloží tokeny do optimalizovaného inverzního indexu. Tato struktura umožňuje načítání podsekundových výsledků i pro kolekce obsahující stovky tisíců souborů. Knihovna také podporuje inkrementální aktualizace, takže můžete udržovat index aktuální bez nutnosti kompletního přestavování.
Požadavky
- Požadované knihovny: GroupDocs.Search pro Java 25.4 (nebo novější).
- Vývojové prostředí: IntelliJ IDEA, Eclipse nebo jakékoli Java IDE dle vašeho výběru.
- Základní znalosti: Znalost syntaxe Java a konceptu indexování.
Nastavení GroupDocs.Search pro Java
Instalace pomocí Maven
Pokud používáte Maven, přidejte následující do svého pom.xml:
<repositories>
<repository>
<id>repository.groupdocs.com</id>
<name>GroupDocs Repository</name>
<url>https://releases.groupdocs.com/search/java/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>com.groupdocs</groupId>
<artifactId>groupdocs-search</artifactId>
<version>25.4</version>
</dependency>
</dependencies>
Přímé stažení
Alternativně stáhněte nejnovější verzi z GroupDocs.Search for Java releases.
Kroky pro získání licence
- Bezplatná zkušební verze – začněte testovat okamžitě.
- Dočasná licence – získejte časově omezený klíč pro plnou funkčnost.
- Nákup – zajistěte trvalou licenci pro produkční použití.
Základní inicializace a nastavení
IndexSettings je konfigurační třída, která určuje, jak je index vytvořen, prohledáván a které funkce jsou povoleny.
Vytvořte instanci IndexSettings, abyste řídili chování indexu:
import com.groupdocs.search.IndexSettings;
// Create an instance of IndexSettings
IndexSettings settings = new IndexSettings();
Jak zakázat stop slova ve vyhledávání (Java)?
IndexSettings je konfigurační objekt, který řídí chování vyhledávacího indexu. Ve výchozím nastavení povoluje vestavěný filtr stop slov. Pro vypnutí tohoto filtru zavolejte metodu setUseStopWords(false) na instanci IndexSettings. Tento jediný volání zakáže odstraňování stop slov a zajistí, že každý token – včetně běžných slov jako „on“ nebo „the“ – bude indexován a může být dotazován.
Jak přidat dokumenty do indexu
Přidávání dokumentů do indexu probíhá vytvořením objektu Index s požadovaným IndexSettings a následným voláním jeho metody add pro každý soubor nebo složku. Knihovna načte každý dokument, tokenizuje jeho obsah a uloží vzniklé termíny do inverzního indexu, čímž je okamžitě zpřístupní pro vyhledávání. Můžete určit výstupní adresář indexu a specifikovat zdrojovou složku obsahující soubory k indexování.
Definování výstupního adresáře
// Disable the use of stop words
tsettings.setUseStopWords(false);
Určení adresáře s dokumenty
import com.groupdocs.search.Index;
// Define the path to the output directory for indexing
String indexFolder = "YOUR_OUTPUT_DIRECTORY\\IndexingWithStopWords";
// Create an index at the specified location with the configured settings
Index index = new Index(indexFolder, settings);
Provedení vyhledávacího dotazu
// Define the path to your document directory
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
// Add all documents in the specified folder to the index
index.add(documentsFolder);
Protože je aktivní disable stop words java, dotaz obsahující termín "on" bude vyhodnocen a vrátí shody, které by jinak výchozí filtr ignoroval.
Praktické aplikace
- Enterprise Document Search – Zachovejte kritickou terminologii, která by byla odstraněna výchozími seznamy stop slov.
- E‑commerce Platforms – Zvýšte objevitelnost produktů indexováním každého slova v popisech, číslech modelů a specifikacích.
- Legal Research Tools – Zachyťte každý právní termín, i když je běžně považován za stop slovo, abyste nepřišli o klíčové klauzule.
Úvahy o výkonu
- Tipy pro optimalizaci: Pravidelně aktualizujte a prořezávejte svůj index, aby byla rychlost vyhledávání vysoká. GroupDocs.Search zvládne až 1 milion dokumentů při zachování subsekundových časů dotazů.
- Využití zdrojů: Sledujte velikost haldy JVM; velké indexy mohou vyžadovat maximální haldu (
-Xmx) 4 GB nebo více. - Správa paměti v Javě: Pro velmi velké korpusy použijte off‑heap úložiště, aby byl on‑heap otisk pod 2 GB.
Časté problémy a řešení
| Příznak | Pravděpodobná příčina | Oprava |
|---|---|---|
| Žádné výsledky pro běžná slova | setUseStopWords(true) (výchozí) | Zavolejte setUseStopWords(false) podle výše uvedeného příkladu. |
| Chyby nedostatku paměti během indexování | Indexování příliš mnoha velkých souborů najednou | Indexujte soubory po dávkách; zvyšte volbu JVM -Xmx. |
| Vyhledávání vrací zastaralá data | Index nebyl po přidání nových souborů obnoven | Zavolejte index.update() nebo znovu přidejte změněné dokumenty. |
Často kladené otázky
Q: Co jsou stop slova?
A: Stop slova jsou běžné termíny (např. „the“, „is“, „on“), které mnoho vyhledávačů ignoruje pro zrychlení dotazů. Zakázáním těchto slov můžete považovat každý token za vyhledávatelný.
Q: Proč zakazovat stop slova v indexech vyhledávání?
A: Když je vyžadováno přesné shodování frází – například v právních nebo technických dokumentech – každé slovo nese význam, takže je nutné zahrnout i stop slova.
Q: Jak GroupDocs.Search zachází s velkými datovými sadami?
A: Knihovna používá optimalizované datové struktury a inkrementální indexování, aby udržela nízkou spotřebu paměti i při milionech dokumentů.
Q: Mohu integrovat GroupDocs.Search s jinými Java aplikacemi?
A: Ano, API je navrženo pro snadné vložení do jakéhokoli systému založeného na Javě, od webových služeb po desktopové aplikace.
Q: Co mám dělat, když nejsou mé výsledky vyhledávání přesné?
A: Ověřte, že index obsahuje všechny požadované soubory (add documents to index), ujistěte se, že filtrování stop slov je vypnuto, pokud je potřeba, a zvažte přestavbu indexu po významných změnách.
Další zdroje
- Dokumentace: GroupDocs Search Documentation
- Reference API: GroupDocs API Reference
- Stáhnout: Get the latest GroupDocs.Search for Java
- GitHub repozitář: Explore on GitHub
- Bezplatná podpora: Join GroupDocs Forum
- Dočasná licence: Apply for a Temporary License
Podle tohoto průvodce nyní víte, jak přidat dokumenty do indexu a zakázat stop slova java, abyste ve svých Java aplikacích dosáhli přesnějších výsledků vyhledávání.
Poslední aktualizace: 2026-07-07
Testováno s: GroupDocs.Search pro Java 25.4
Autor: GroupDocs
import com.groupdocs.search.results.SearchResult;
// Define your search query
tString query = "on";
// Perform the search operation using the index and the specified query
SearchResult result = index.search(query);
