Indri 建立索引及检索

Indri 搜索引擎，为文本集合提供最先进文本搜索和丰富的结构化查询语言。

• Lemur 项目 Wiki（重点！） 、官网

• 蒙特利尔大学 Jing He 的 PDF

1-Windows 版

安装完成后，启动根目录 lib 中的 IndexUI.jar 和 RetUI.jar，Help 中有相关说明。可参考 Youtube 的指南（西班牙语）。

2-Lunix 版

需要 Build-Essential 、g++（5.4 或更早版本）、make、zlib1g-dev，安装过程参考 文章

执行 bin 内的 IndriBuildIndex <parameter_files> 建立索引，IndriRunQuery <parameter_files> 进行查询，parameter_files 的格式：

<parameters>
	<option> </option>
	<option> </option>
	...
	<option> </option>
</parameters>

索引参数文件中 option 示例：

# 数据及其格式
<corpus>
	<path>/path/to/source/files</path>
	<class>trectext</class>
</corpus>
# 建立索引位置
<index>/path/to/the/index</index>
# 使用内存
<memory>256M</memory>
# 停用词
<stopper>
	<word>a</word>
	<word>the</word>
	...
	<word>is</word>
</stopper>
# 词干提取器
<stemmer>
	<name>krovetz</name>
</stemmer>
# 字段
<field><name>title</name></field>
<field><name>description</name></field>

查询参数文件中 option 示例：

# 索引位置
<index>/path/to/the/index</index>
# 查询
<query>
	<number>1</number>
	<text>text1</text>
</query>
<query>
	<number>2</number>
	<text>text2</text>
</query>
...
# 返回列表长度
<count>10</count>
# 输出格式
<runID>runName</runID>
<trecFormat>true</trecFormat>

<text> 标签内查询语言内容较复杂，可参考 Wiki，例：

text1 text2 等价于 #combine(text1 text2)
#combine[title](text1) 则只对 title 字段检索

输出结果格式：

<queryNumber> Q0 <DocID> <rank> <score> <runID>

3-DeepFL 中的 Indir

2019 - DeepFL: Integrating Multiple Fault Diagnosis Dimensions for Deep Fault Localization 这篇文章中研究了 source code methods 和 failed test information 之间的文本相似性。a × b 构成 15 种组合。

文档字段	查询字段
the full qualified name of the method	the name of failed tests
accessed classes	the source code of failed tests
method invocations	the complete failure message
used variables
comments

下面是 Defects4J 中 Lang-3 示例：

思考：

1. Buggy Method 的可能会有多个
2. 上述只考虑理论，实际错误定位中，如何确定 Buggy Method ？将所有文件都整理出来建立索引 ？

这里不使用 DeepFL 中的文档字段，但仍收集查询字段的信息。

• Failure Message 可以在 Defects4J 的 framework/projects/<pid>/trigger_tests 文件中得到
• Failed Test 可以根据路径找到，但是否有快速获得方法代码片段的方法？