从Lucene索引中获取最高频率的术语

Question

5

我需要从多个Lucene索引中提取出现频率最高的术语，以便用于一些语义分析。因此，我想获取大约前30个出现最多的术语（仍未确定阈值，我将分析结果）及其每个索引的计数。我知道可能会因为重复而失去一些精度，但目前来说，我可以接受这种情况。

对于所提出的解决方案，速度并不重要，因为我将进行静态分析，我会注重实现的简单性，因为我不太熟悉Lucene，并且无法理解一些概念。

我找不到类似的代码示例，所以所有具体建议（代码，伪代码，代码示例链接...）都将不胜感激！

谢谢！

- Julia

2个回答

2

请看这个链接：http://sujitpal.blogspot.com/2009/02/summarization-with-lucene.html 该页面中的类有一个computeTopTermQuery方法，您应该很容易地将其改装为多个索引的检索。

- mindas

你好，mindas！我正在使用Lucene 4.4，但它没有terms()方法？请帮帮我！ - Thangnv

@Thangnv 你可能想要开一个单独的线程来讨论这个问题，或者发送电子邮件到Lucene Java邮件列表。我手头没有运行Lucene 4.4的环境。而且最近时间非常紧张；-( - mindas

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Pascal Dimassimo · Accepted Answer

一个非常简单的方法是使用Luke。在“概览”选项卡中，有一个“显示前几个词项”的按钮，可以用于您所需的内容。