<DOC>
<DOCNO>2011-12-05-20_1323118648-7cfd066125ff1daf479748f81346895d</DOCNO>
<date>12/05/2011 (MM/DD/YYYY)</date>
<SOURCE>arxiv</SOURCE>
<TEXT> S and Î? production in pp interactions at â??s = 0.9 and 7 TeV measured with the....</TEXT>
</DOC>

<parameters>
<memory>16G<memory>
<index>path/to/index</index> //建完索引后，这些索引结果文件存放的位置，如/home/tempUser/myindex
<stemmer>
<name>krovetz</name> //词干化工具，也即分词，这个是默认的，能够选择其它的
</stemmer>

<corpus>
<path>path/to/original/file/directory</path> //原始须要建立索引的文件文件夹
<class>trectext</class>  //须要建立什么格式的索引，有xml, txt, trectext, web
</corpus>

<field>
<name>DOCNO</name>  //文本ID号
</field>

<field>        //假设须要用到时间信息，需加此field。
<name>date</name>
<numeric>true</numeric>
<parserName>DateFieldAnnotator</parserName>
</field>
</parameters>

<span style="font-size:14px;"><parameters>
<index>path1/to/index</index>
<index>path2/to/index</index>
<rule>method:dirichlet,mu:1000</rule>  //内置方法，用狄利克雷，參数值1000
<count>1000</count> //每一个查询值返回1000条记录，能够自己设置

<query> //第一个查询
<number>001</number>  //编号自定义
//假设文本的公布日期在两个时间段之间的，则在其文本中查询“Abbotsford Arts Centre”，依据其内置算法。计算query phrases与文本的相关度值
<text>#scoreif(#datebetween(10/05/2011 01/26/2012) #1(Abbotsford Arts Centre))</text> 
</query>
<query> //第二个查询
<number>003</number>
<text>#scoreif(#datebetween(10/05/2011 08/08/2012) #1(Andy Billig))</text>
</query>

<trecFormat>true</trecFormat>
<queryOffset>1</queryOffset>
<runID>query_id</runID>  //自定义queryID
</parameters></span>

export JAVA_HOME="Absolute_Path_of_Java_Installation"

建索引：

1）定位到terrier文件夹
cd terrier
2）收集须要建索引的文档
./bin/trec_setup.sh "Absolute_Path_To_Collection_Files"
这里须要指定绝对路径。比方须要建索引的文件集在/home/hadoop/kba/kba2014/trecdata/2011-10文件夹下（该文件夹下都为文件。不是文件夹，Files已经是最后一层文件夹了），
则上面的 
Absolute_Path_To_Collection_Files即为 /home/hadoop/kba/kba2014/trecdata/2011-10
执行后在etc文件夹下生成例如以下图：

collection.spec里面的内容例如以下：

/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-01.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-03.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-05.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-07.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-08.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-11.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-12.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-13.trectext
/home/hadoop/kba/kba2014/trecdata/2011-10/2011-10-05-14.trectext

#default controls for query expansion
querying.postprocesses.order=QueryExpansion
querying.postprocesses.controls=qe:QueryExpansion
#default controls for the web-based interface. SimpleDecorate
#is the simplest metadata decorator. For more control, see Decorate.
querying.postfilters.order=SimpleDecorate,SiteFilter,Scope
querying.postfilters.controls=decorate:SimpleDecorate,site:SiteFilter,scope:Scope

#default and allowed controls
querying.default.controls=
querying.allowed.controls=scope,qe,qemodel,start,end,site,scope

#document tags specification
#for processing the contents of
#the documents, ignoring DOCHDR
TrecDocTags.doctag=DOC
TrecDocTags.idtag=DOCNO
TrecDocTags.skip=DOCHDR
#set to true if the tags can be of various case
TrecDocTags.casesensitive=false

#query tags specification
TrecQueryTags.doctag=TOP
TrecQueryTags.idtag=NUM
TrecQueryTags.process=TOP,NUM,TITLE
TrecQueryTags.skip=DESC,NARR

#stop-words file
stopwords.filename=stopword-list.txt

#the processing stages a term goes through
termpipelines=Stopwords,PorterStemmer

<DOC>
<DOCNO>id</DOCNO>
<TEXT>text content</TEXT>
</DOC>

<TOP>
<NUM>003</NUM>  //这个相当于你自己给这个query定一个id。所以能够随便写
<TITLE>"Abbotsford Arts Centre" office band "Abbotsford Arts Centre May" company "Abbotsford Arts Centre"  </TITLE>  //Query Phrases
</TOP>

collection.spec=/absolute/path/to/your.spec
terrier.index.path=/absolute/path/to/index/path      //你想把你的建好的index放在哪个文件夹
trec.results.file=/absolute/path/to/resultfile.res   //你想想把你的query结果放在哪个文件
ignore.low.idf.terms=false                           //假设某个词的逆文档频率idf非常低，还是要考虑，而不是丢弃
matching.retrieved_set_size=40000                    //query后结果有多少条，假设test.query文件写了非常多个query，那么这么多个query的返回的结果不大于40000，注意此时不是单个query的结果数

./bin/trec_terrier.sh -r -Dtrec.model=PL2 -c 10.99 -Dtrec.topics=/path/to/your.query

-r表示retrieve， 

-Dtrec.model表示用什么model去检索，这里用到了PL2模型。详细可在 terrier weighting model中查看

-c表示參数，后面10.99表示參数值

-Dtrec.topics表示your.query文件的详细路径

假设有多个索引文件。多个不同的query。怎么办？

比方对5个文件集分别建立索引，有5个query分别要在相应的索引文件中面找怎么办，因为是共用terrier.properties配置文件的。

所以你能够通过写一个shell脚本。针对不同的文件集。配置相应的collection.spec, terrier.index.path, trec.results.file.

终于得到的结果和开头indri的结果类似。

3、Indri和Terrier注意点