如何檢索所有與他們的網站頻率

Question

我索引了10個網站的索引數據。現在我想用下面的格式來轉儲每個網站的數據：[術語，術語的頻率在該網站，IDF，網站]

e.g : [management,12,145,example.com] 
where 12 is a frequency of term in example.com, 145 is IDF of term in index. 

我能做到這一點使用Solr和如何？

Answer 1

如果您希望測量文檔中不同術語的分佈情況，那麼直方圖就是您想要的。檢查LukeRequestHandler的例子。

Answer 2

一些低級別的API：

InderReader reader = IndexReader.open(directory); 
TermDocs termDocs = reader.termDocs(); 
// TermDocs termDocs = reader.termDocs(term); // if you need docs containing specific term 
while (termDocs.next()) { 
    System.out.println("DoC#: " + termDocs.doc()); 
    System.out.println("Full document: " + reader.document(termDocs.doc())); 
    System.out.println("Term frequency: " + termDocs.freq());   
} 

的TF * IDF看DefaultSimilarity和this question了一些意見。