Springboot+Lucene实现关键词回复智能问答

最新推荐文章于 2024-08-16 15:33:24 发布

Java知识日历

最新推荐文章于 2024-08-16 15:33:24 发布

阅读量922

点赞数

文章标签：数据库 java mysql lucene spring boot

一、场景简介

最近在做公众号关键词回复方面的智能问答相关功能，发现用户输入提问内容和我们运营配置的关键词匹配回复率极低，原因是我们采用的是数据库的 Like 匹配。

这种模糊匹配首先不是很智能，而且也没有具体的排序功能。为了解决这一问题，我引入了分词器 + Lucene 来实现智能问答。

二、功能实现

本功能采用 springboot 项目中引入 Lucene 相关包，然后实现相关功能。前提大家对 springboot 要有一定了解。

POM 引入 Lucene 依赖

<!--lucene核心包-->
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-core</artifactId>
            <version>7.6.0</version>
        </dependency>
        <!--对分词索引查询解析-->
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-queryparser</artifactId>
            <version>7.6.0</version>
        </dependency>
        <!-- smartcn中文分词器 -->
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-analyzers-smartcn</artifactId>
            <version>7.6.0</version>
        </dependency>

初始化 Lucene 相关配置 Bean

初始化 bean 类需要知道的几点：

1. 实例化 IndexWriter，IndexSearcher 都需要去加载索引文件夹，实例化是是非常消耗资源的，所以我们希望只实例化一次交给 spring 管理。

2.IndexSearcher 我们一般通过 SearcherManager 管理，因为 IndexSearcher 如果初始化的时候加载了索引文件夹，那么

后面添加、删除、修改的索引都不能通过 IndexSearcher 查出来，因为它没有与索引库实时同步，只是第一次有加载。

3.ControlledRealTimeReopenThread 创建一个守护线程，如果没有主线程这个也会消失，这个线程作用就是定期更新让 SearchManager 管理的 search 能获得最新的索引库，下面是每 25S 执行一次。

5. 要注意引入的 lucene 版本，不同的版本用法也不同，许多 api 都有改变。

/**
 * @author mazhq
 * @Title: LuceneConfig
 * @date 2019/9/5 11:29
 */
@Configuration
public class LuceneConfig {
    /**
     * lucene索引,存放位置
     */
    private static final String LUCENE_INDEX_PATH = "lucene/indexDir/";
    /**
     * 创建一个 Analyzer 实例
     */
    @Bean
    public Analyzer analyzer() {
        return new SmartChineseAnalyzer();
    }
    /**
     * 索引位置
     */
    @Bean
    public Directory directory() throws IOException {
        Path path = Paths.get(LUCENE_INDEX_PATH);
        File file = path.toFile();
        if (!file.exists()) {
            //如果文件夹不存在,则创建
            file.mkdirs();
        }
        return FSDirectory.open(path);
    }
    /**
     * 创建indexWriter
     */
    @Bean
    public IndexWriter indexWriter(Directory directory, Analyzer analyzer) throws IOException {
        IndexWriterConfig indexWriterConfig = new IndexWriterConfig(analyzer);
        IndexWriter indexWriter = new IndexWriter(directory, indexWriterConfig);
        // 清空索引
        indexWriter.deleteAll();
        indexWriter.commit();
        return indexWriter;
    }
    /**
     * SearcherManager管理
     * ControlledRealTimeReopenThread创建一个守护线程，如果没有主线程这个也会消失，
     * 这个线程作用就是定期更新让SearchManager管理的search能获得最新的索引库，下面是每25S执行一次。
     */
    @Bean
    public SearcherManager searcherManager(Directory directory, IndexWriter indexWriter) throws IOException {
        SearcherManager searcherManager = new SearcherManager(indexWriter, false, false, new SearcherFactory());
        ControlledRealTimeReopenThread cRTReopenThead = new ControlledRealTimeReopenThread(indexWriter, searcherManager,
                5.0, 0.025);
        cRTReopenThead.setDaemon(true);
        //线程名称
        cRTReopenThead.setName("更新IndexReader线程");
        // 开启线程
        cRTReopenThead.start();
        return searcherManager;
    }
}

初始化索引库

项目启动后，重建索引库中所有的索引。

@Component
@Order(value = 1)
public class AutoReplyMsgRunner implements ApplicationRunner {
    @Autowired
    private LuceneManager luceneManager;
    @Override
    public void run(ApplicationArguments args) throws Exception {
        luceneManager.createAutoReplyMsgIndex();
    }
}

从数据库中查出所有配置的消息回复内容，并创建这些内容的索引。

索引相关介绍：

我们知道，mysql 对每个字段都定义了字段类型，然后根据类型保存相应的值。

那么 lucene 的存储对象是以 document 为存储单元，对象中相关的属性值则存放到 Field（域）中；

Field 类的常用类型

| Field 类 | 数据类型 | 是否分词 | index 是否索引 | Stored 是否存储 | 说明 | | StringField | 字符串 | N | Y | Y/N | 构建一个字符串的 Field, 但不会进行分词, 将整串字符串存入索引中, 适合存储固定 (id, 身份证号, 订单号等) | | FloatPoint LongPoint DoublePoint | 数值型 | Y | Y | N | 这个 Field 用来构建一个 float 数字型 Field，进行分词和索引，比如 (价格) | | StoredField | 重载方法,，支持多种类型 | N | N | Y | 这个 Field 用来构建不同类型 Field, 不分析，不索引，但要 Field 存储在文档中 | | TextField | 字符串或者流 | Y | Y | Y/N | 一般此对字段需要进行检索查询 |

上面是一些常用的数据类型, 6.0 后的版本，数值型建立索引的字段都更改为 Point 结尾，FloatPoint，LongPoint，DoublePoint 等，对于浮点型的 docvalue 是对应的 DocValuesField，整型为 NumericDocValuesField，FloatDocValuesField 等都为 NumericDocValuesField 的实现类。

commit() 的用法

commit() 方法, indexWriter.addDocuments(docs); 只是将文档放在内存中, 并没有放入索引库, 没有 commit() 的文档, 我从索引库中是查询不出来的;

许多博客代码中, 都没有进行 commit(), 但仍然能查出来, 因为每次插入, 他都把 IndexWriter 关闭. close(),Lucene 关闭前, 都会把在内存的文档, 提交到索引库中, 索引能查出来, 在 spring 中 IndexWriter 是单例的, 不关闭, 所以每次对索引都更改时, 都需要进行 commit() 操作;

@Service
public class LuceneManager {
    @Autowired
    private IndexWriter indexWriter;
    @Autowired
    private AutoReplyMsgDao autoReplyMsgDao;
 
    public void createAutoReplyMsgIndex() throws IOException {
        List<AutoReplyMsg> autoReplyMsgList = autoReplyMsgDao.findAllTextConfig();
        if(autoReplyMsgList != null){
            List<Document> docs = new ArrayList<Document>();
            for (AutoReplyMsg autoReplyMsg:autoReplyMsgList) {
                Document doc = new Document();
                doc.add(new StringField("id", autoReplyMsg.getGuid()+"", Field.Store.YES));
                doc.add(new TextField("keywords", autoReplyMsg.getReceiveContent(), Field.Store.YES));
                doc.add(new StringField("replyMsgType", autoReplyMsg.getReplyMsgType()+"", Field.Store.YES));
                doc.add(new StringField("replyContent", autoReplyMsg.getReplyContent()==null?"":autoReplyMsg.getReplyContent(), Field.Store.YES));
                doc.add(new StringField("title", autoReplyMsg.getTitle()==null?"":autoReplyMsg.getTitle(), Field.Store.YES));
                doc.add(new StringField("picUrl", autoReplyMsg.getPicUrl()==null?"":autoReplyMsg.getPicUrl(), Field.Store.YES));
                doc.add(new StringField("url", autoReplyMsg.getUrl()==null?"":autoReplyMsg.getUrl(), Field.Store.YES));
                doc.add(new StringField("mediaId", autoReplyMsg.getMediaId()==null?"":autoReplyMsg.getMediaId(), Field.Store.YES));
                docs.add(doc);
            }
            indexWriter.addDocuments(docs);
            indexWriter.commit();
        }
    }
}

智能查询

searcherManager.maybeRefresh() 方法, 刷新 searcherManager 中的 searcher, 获取到最新的 IndexSearcher。

@Service
public class SearchManager {
    @Autowired
    private Analyzer analyzer;
    @Autowired
    private SearcherManager searcherManager;
 
    public AutoReplyMsg searchAutoReplyMsg(String keyword) throws IOException, ParseException {
        searcherManager.maybeRefresh();
        IndexSearcher indexSearcher = searcherManager.acquire();
        BooleanQuery.Builder builder = new BooleanQuery.Builder();
        builder.add(new QueryParser("keywords", analyzer).parse(keyword), BooleanClause.Occur.MUST);
        TopDocs topDocs = indexSearcher.search(builder.build(), 1);
        ScoreDoc[] hits = topDocs.scoreDocs;
        if(hits != null && hits.length > 0){
            Document doc = indexSearcher.doc(hits[0].doc);
            AutoReplyMsg autoReplyMsg = new AutoReplyMsg();
            autoReplyMsg.setGuid(Long.parseLong(doc.get("id")));
            autoReplyMsg.setReceiveContent(keyword);
            autoReplyMsg.setReceiveMsgType(1);
            autoReplyMsg.setReplyMsgType(Integer.valueOf(doc.get("replyMsgType")));
            autoReplyMsg.setReplyContent(doc.get("replyContent"));
            autoReplyMsg.setTitle(doc.get("title"));
            autoReplyMsg.setPicUrl(doc.get("picUrl"));
            autoReplyMsg.setUrl(doc.get("url"));
            autoReplyMsg.setMediaId(doc.get("mediaId"));
            return autoReplyMsg;
        }
 
        return null;
    }
}

索引维护~ 删除更新索引

public int delete(AutoReplyMsg autoReplyMsg){
        int resp = autoReplyMsgDao.delete(autoReplyMsg.getGuid());
        try {
            indexWriter.deleteDocuments(new Term("id", autoReplyMsg.getGuid()+""));
            indexWriter.commit();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return resp;
    }

好了，智能问答查询回复功能基本完成了，大大提高公众号智能回复响应效率。

作者：森林木马