我正在使用Lucene来获取文档中词项的频率，即某个词在每个文档中出现的次数。我使用
例如（摘自此问题）：我想知道“篮球”（甚至是“篮球”）一词的频率，但是在进行分词后，会得到两个单词，“篮球”和“球”，但无法得到“篮球”一词的频率。
我知道我想要获取频率的所有多个单词，而且我不关心存储原始文本 - 只关心获取统计信息。因此，我的第一个方法是简单地将术语中的单词连接起来。例如，“我昨天打了篮球”变成“I played basketball yesterday”，“我最喜欢的作家是Kurt Vonnegut”变成“My favorite writer is KurtVonnegut”。这种方法可以正常工作：连接的术语被视为任何其他单词，因此我可以轻松地获取频率。但是这种方法很丑陋，更重要的是非常慢。因此，我想到了另一种方法。
我的第二个方法是编写特殊的标记过滤器，它将捕获标记并检查它们是否是要替换的术语的一部分（类似于Lucene in Action中的SynonymFilter）。在我们的情况下，当过滤器看到单词“篮球”时，它将读取另一个标记，并且如果它是“球”，则过滤器将在输出标记流中放置一个术语（“篮球”）而不是两个术语（“篮球”和“球”）。与前面的方法相比，这种方法的优点在于它搜索完整的单词匹配，而不是在子字符串中扫描完整文本。事实上，大多数标记的长度都不同，因此甚至不会检查它们中的任何字母的对应关系就被丢弃了。但是编写这样的过滤器并不容易，而且我不确定它是否足够快以适应我的需求。
我能想到的第三个方法是在同一文档中两个单词的位置进行操作。但最可能涉及迭代
IndexReader.termDocs()来实现这一目的，对于单词，它可以正常工作，但由于所有单词都是分别存储在索引中的，所以对于多个单词，它无法正常工作。例如（摘自此问题）：我想知道“篮球”（甚至是“篮球”）一词的频率，但是在进行分词后，会得到两个单词，“篮球”和“球”，但无法得到“篮球”一词的频率。
我知道我想要获取频率的所有多个单词，而且我不关心存储原始文本 - 只关心获取统计信息。因此，我的第一个方法是简单地将术语中的单词连接起来。例如，“我昨天打了篮球”变成“I played basketball yesterday”，“我最喜欢的作家是Kurt Vonnegut”变成“My favorite writer is KurtVonnegut”。这种方法可以正常工作：连接的术语被视为任何其他单词，因此我可以轻松地获取频率。但是这种方法很丑陋，更重要的是非常慢。因此，我想到了另一种方法。
我的第二个方法是编写特殊的标记过滤器，它将捕获标记并检查它们是否是要替换的术语的一部分（类似于Lucene in Action中的SynonymFilter）。在我们的情况下，当过滤器看到单词“篮球”时，它将读取另一个标记，并且如果它是“球”，则过滤器将在输出标记流中放置一个术语（“篮球”）而不是两个术语（“篮球”和“球”）。与前面的方法相比，这种方法的优点在于它搜索完整的单词匹配，而不是在子字符串中扫描完整文本。事实上，大多数标记的长度都不同，因此甚至不会检查它们中的任何字母的对应关系就被丢弃了。但是编写这样的过滤器并不容易，而且我不确定它是否足够快以适应我的需求。
我能想到的第三个方法是在同一文档中两个单词的位置进行操作。但最可能涉及迭代
TermDocs以获取频率时间，这比索引时间要花费更多。因此，我的问题是：Lucene中是否有一种有效地索引和获取多个单词术语的频率的方法？