Hashmap 单键保存一个类。计算密钥并检索计数器

我正在开发一个数据库自我项目。我有一个来自以下位置的输入文件：http://ir.dcs.gla.ac.uk/resources/test_collections/cran/ http://ir.dcs.gla.ac.uk/resources/test_collections/cran/

处理成1400个单独的文件后，每个文件命名为00001.txt,... 01400.txt...）以及申请后Stemming在它们上，我将它们单独存储在一个特定的文件夹中，我们称之为茎文件夹格式如下：

in 茎文件夹：00001.txt 包括：

investig
aerodynam
wing
slipstream
brenckman
experiment
investig
aerodynam
wing

in 茎文件夹：00756.txt 包括：

remark
eddi
viscos
compress
mix
flow
lu
ting

等等....

我编写的代码执行以下操作：

1. get the 茎文件夹, 计算唯一单词
2. 按字母顺序排序
3. 添加文档的ID
4. 将每个文件保存到新文件 00001.txt 到 01400.txt，如下所述

{I can 提供我的代码对于这 4 个部分，以防有人需要查看实施、更改或任何编辑情况}

每个文件的输出将结果到一个单独的文件中。 （1400，每个命名00001.txt, 00002.txt...）在特定文件夹中我们可以称之为频率文件夹格式如下：

in 频率文件夹：00001.txt 包括：

00001,aerodynam,2
00001,agre,3
00001,angl,1
00001,attack,7
00001,basi,4
....

in 频率文件夹：00999.txt 包括：

00999,aerodynam,5
00999,evalu,1
00999,lift,3
00999,ratio,2
00999,result,9
....

in 频率文件夹：01400.txt 包括：

01400,subtract,1
01400,support,1
01400,theoret,1
01400,theori,1
01400,.....

______________

现在我的问题:

我需要再次组合这 1400 个文件，通过一些计算输出一个看起来像这样格式的 txt 文件：

'aerodynam' totalFrequency=3docs: [[Doc_00001,5],[Doc_01344,4],[Doc_00123,3]]
'book' totalFrequncy=2docs: [[Doc_00562,6],[Doc_01111,1]
....
....
'result' totalFrequency=1doc: [[Doc_00010,5]]
....
....

'zzzz' totalFrequency=1doc: [[Doc_01235,1]]

感谢您花时间阅读这篇长文章

您可以使用Map of List.

Map<String,List<FileInformation>> statistics = new HashMap<>()

在上面的映射中，键将是单词，值将是List<FileInformation>描述包含该单词的各个文件的统计信息的对象。这FileInformation类可以声明如下：

class FileInformation {
    int occurrenceCount;
    String fileName;

    //getters and setters
}

要填充上面的地图，请使用以下步骤：

1. 读取其中的每个文件FrequencyFolder
2. 当你第一次遇到一个单词时，把它作为关键Map.
3. 创建一个FileInformation对象并设置occurrenceCount找到的出现次数并设置fileName到它所在的文件的名称。将此对象添加到List<FileInformation>对应于步骤 2 中创建的密钥。
4. 下次您在另一个文件中遇到相同的单词时，创建一个新的FileInfomation对象并将其添加到List<FileInformation>对应于该词在地图中的条目。

一旦你拥有了Map填充后，打印统计数据应该是小菜一碟。

for(String word : statistics.keySet()) {
  List<FileInformation> fileInfos = statistics.get(word);
  for(FileInformation fileInfo : fileInfos) {
      //sum up the occureneceCount for the word to get the total frequency
  }
}