search - luceneインデックスで単語の頻度を数える

Question

誰かがすべてのluceneインデックスで単語の頻度を見つけるのを手伝ってもらえますか？
たとえば、ドキュメントAに3つの単語（B）があり、ドキュメントCに2つの単語がある場合、単語（B）の頻度を示す5を返すメソッドが必要です。すべてのluceneインデックスで

Answer 1

これは何度も尋ねられました：

• Lucene で単語の頻度を取得する
• ドキュメントセットの用語頻度をカウントする方法は?
• Lucene インデックスから最高頻度の用語を取得する
• Solr項の頻度を取得するにはどうすればよいですか?

Answer 2

Lucene 3.x を使用していると仮定します。

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

いくつかのコメント:

dirLucene Directory クラスのインスタンスです。RAM インデックスとファイルシステム インデックスでは作成方法が異なります。詳細については、Lucene のドキュメントを参照してください。

"your_filed"用語を検索するためのフィールドです。複数のフィールドがある場合は、それらすべてに対して手順を実行できます。または、ファイルのインデックスを作成するときに、特別なフィールド (「_content」など) を作成し、他のすべてのフィールドの連結値をそこに保持することもできます。

Answer 3

ルセン3.4を使用

カウントを取得する簡単な方法ですが、2 つの配列が必要です :-/

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

注意: read に使用する場合、read() の後ですでに列挙の最後にいるため、next() を使用できなくなります。

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
}