從Lucene索引中獲取最高頻率項

Question

我需要從幾個lucene索引中提取具有最高頻率的術語 ，以便將它們用於某些語義分析。

所以，我想得到可能排名前30的最常見的術語（仍然沒有決定閾值，我將分析結果）和他們的每個索引計數。 我知道我可能會失去一些精確度，因為可能會丟失一些副本，但是現在，讓我說我很好。

所以對於提出的解決方案，（不用說可能）速度並不重要，因為我會進行靜態分析，我會強調實現的簡單性 ，因為我不熟悉Lucene並且無法圍繞它的一些概念。 。

我找不到任何類似的代碼示例，所以具體建議（代碼，偽代碼，代碼示例的鏈接......）感謝所有的建議！

謝謝！

Answer 1

一個非常簡單的方法是使用Luke 。 在“概覽”標簽上，有一個“顯示熱門條款”按鈕，可用於您需要的內容。

Answer 2

看看這個： http ： //sujitpal.blogspot.com/2009/02/summarization-with-lucene.html

此頁面中的類具有computeTopTermQuery方法，您應該可以輕松地對其進行多次索引的改進。