如何從Lucene索引中獲取下一個術語？

Question

我從其他人創建的Lucene索引開始。我想找到給定單詞後面的所有單詞。我已經提取從索引感興趣的項（org.apache.lucene.index.Term），我可以找到它包含該項目的文件：

segmentTermDocs = segmentReader.termDocs(term); 
while (segmentTermDocs.next) { 
     doc = segmentReader.document(segmentTermDocs.doc); 
... 
} 

有我找到一種方法該術語在文檔中的位置並提取它後面的術語？

Answer 1

由於在您的情況下索引n-grams不是一種選擇，所以需要一些強力。您可以列舉IndexReader's terms and termPositions，但這可能會令人生厭地慢。

更快的方法是通過枚舉術語並使用MultiPhraseQuery一次檢查組實現分而治之的搜索算法。將所有可能的術語拆分成合理大小的組（比如1000），然後用每個塊和前綴字運行MultiPhraseQuery搜索。如果有任何匹配，則遞歸調用子組，直到達到一個單詞。

Answer 2

這是Grant Ingersoll's paper: Accessing words around a positional match in Lucene。