Java hashmap到矩阵的转换

Question

我启动了一个哈希图和一个嵌套的哈希图来存储术语，它的出现和频率。

for (i = 1; i < lineTokens.length; i += 2) 
{   
    if (i + 1 >= lineTokens.length) continue;  
    String fileName = lineTokens[i];
    int frequency = Integer.parseInt(lineTokens[i + 1]); 
    postingList2.put(fileName,frequency);
    //System.out.println(postingList2);
}
postingList.put(topic, postingList2);

它给了我输出：{cancel = {WET4793.txt = 16，WET5590.txt = 53}，unavailable = {WET4291.txt = 10}，station info = {WET2266.txt = 32}，倡导程序= {WET2776.txt = 32}，没有ratinglogin = {WET5376.txt = 76}，我正在尝试用矩阵表示所有内容。 但是我不能将不包含特定术语的文件设置为0。 就像是：

row-> term
column -> document
mat[row][column]= frequency of occurances of terms in the document.

我使用pandas dataframe在python中轻松完成了此操作。

Answer 1

给定您最初的HashMap，转换为Matrix需要三个步骤

1. 为每个主题创建一个唯一的索引ID（0、1 ..）
2. 为每个文档创建一个唯一的索引ID（0、1，..）
3. 使用以上索引填充矩阵

此解决方案将使用Map查找（键为发布/文档）以提高效率。 可以控制过帐/单据的顺序； 这里没有尝试创建特定的订单。

步骤1 ：为发布创建唯一的ID，并创建查找地图

Map<String, Integer> topicIndex = new HashMap<>();
List<String> topicList = new ArrayList<>();  // topicList is used to print the matrix
int index = 0;
for (String topic : postingList.keySet()) {
    if (!topicIndex.containsKey(topic)) {
        topicIndex.put(topic, index++);
        topicList.add(topic);
    }
}

该地图的结果为（所有术语现在都有唯一的ID）：

Topics: {cancel=0, unavailable=1, station info=2, advocacy program=3, no ratingslogin=4}

步骤2：为文档创建唯一的ID，并创建查找映射

index = 0;
Map<String, Integer> documentIndex = new HashMap<>();
for (String topic : postingList.keySet()) {
    for (String document : postingList.get(topic).keySet()) {
        if (!documentIndex.containsKey(document))
            documentIndex.put(document, index++);
    }
}

该地图的结果为（所有文档现在都有唯一的ID）：

Documents: {WET4793.txt=0, WET4291.txt=2, WET2266.txt=3, WET2776.txt=4, WET5376.txt=5, WET5590.txt=1}

步骤3：创建并填充矩阵

int[][] mat = new int[topicIndex.size()][documentIndex.size()];
for (String topic : postingList.keySet()) {
    for (String document : postingList.get(topic).keySet()) {
        mat[topicIndex.get(topic)][documentIndex.get(document)] = postingList.get(topic).get(document);
    }
}

结果：矩阵现在看起来像这样：

cancel          16 53  0  0  0  0 
unavailable      0  0 10  0  0  0 
station info     0  0  0 32  0  0 
advocacy program 0  0  0  0 32  0 
no ratingslogin  0  0  0  0  0 76 

编辑：循环以打印矩阵

    for (int row = 0; row < topicIndex.size(); row++) {
        System.out.printf("%-16s", topicList.get(row));
        for (int col = 0; col < documentIndex.size(); col++) {
            System.out.printf("%2d ", mat[row][col]);
        }
        System.out.println();
    }