从Lucene索引中获取最高频率项

我需要从几个lucene索引中提取出具有最高频率的项，以便将它们用于某些语义分析。因此，我想得到可能是前30名最常发生的术语（仍然没有决定门槛，我将分析结果）和他们的每个索引计数。我知道我可能因为潜在的重复删除而失去一些精确度，但现在，让我说我没问题。（不用说也许）速度并不重要，因为我会做静态分析，所以我会重点放在简单的的实现上，因为我对Lucene不太熟练，并且不能理解我的想法周围的一些概念..从Lucene索引中获取最高频率项

我找不到任何类似的代码示例，所以所有具体的建议（代码，伪代码，代码示例的链接...）欣赏所有的建议！

谢谢！

来源

2010-05-12 Julia

看一看这样的： http://sujitpal.blogspot.com/2009/02/summarization-with-lucene.html

类在本页面已经computeTopTermQuery方法，你应该能够轻松地改造为去在多个索引。

来源

2010-05-12 19:43:16 mindas

Thanx！正是我需要的！ – Julia 2010-05-13 09:04:30

嗨，你好！我使用lucene 4.4，所以它没有terms（）方法？请帮帮我！ – Thangnv 2013-10-06 11:48:23

@Thangnv您可能想要为此打开一个单独的线程，或者通过电子邮件发送Lucene Java邮件列表。我手头没有Lucene 4.4。而这些日子时间一直很短缺; --( – mindas 2013-10-06 20:26:22

一个非常简单的方法是使用Luke。在“概览”标签上，有一个“显示顶部条款”按钮，可用于您的需要。

来源

2010-05-12 19:29:56

就是这样。你可以复制粘贴或者甚至导出结果。 – 2010-05-12 21:34:04

+1，如果你想运行你自己的代码卢克的代码告诉你如何.... – Mikos 2010-05-13 01:36:47

从Lucene索引中获取最高频率项

回答

相关问题