計算lucene指數中的詞頻

Question

有人可以幫我找到所有lucene指數中的單詞頻率
例如，如果文檔A有3個單詞（B），而文檔C有2個單詞，我想要一個返回5的方法，顯示所有lucene索引中單詞（B）的頻率

Answer 1

這被多次詢問：

• 在Lucene獲取學期頻率
• 如何計算文檔集的術語頻率？
• 從Lucene索引中獲取最高頻率項
• 我如何獲得solr術語頻率？

Answer 2

假設您使用Lucene 3.x：

IndexReader ir = IndexReader.open(dir); 
TermDocs termDocs = ir.termDocs(new Term("your_field", "your_word"));
int count = 0;
while (termDocs.next()) {
   count += termDocs.freq();
}

一些評論：

dir是Lucene Directory類的實例。 它的創建因RAM和文件系統索引而異，有關詳細信息，請參閱Lucene文檔。

"your_filed"是一個搜索術語的文件。 如果您有多個字段，則可以為所有字段運行過程，或者，當您索引文件時，可以創建特殊字段（例如“_content”）並保留所有其他字段的連接值。

Answer 3

使用lucene 3.4

簡單的計算方法，但你需要兩個數組： - /

int[] docs = new int[1000];
int[] freqs = new int[1000];
int count = indexReader.termDocs(term).read(docs, freqs);

注意：如果你用於讀取，你就不能再使用next（），因為在read（）之后你已經在枚舉結束時：

int[] docs = new int[1000];
int[] freqs = new int[1000];
TermDocs td = indexReader.termDocs(term);
int count = td.read(docs, freqs);
while (td.next()){ // always false, already at the end of the enumartion
}