統計lucene索引中的詞頻

Question

有人可以幫助我找到所有lucene索引中的詞頻：
例如，如果文檔A有3個詞（B），文檔C有2個詞，我想要一個方法，以返回圖5是表示在所有Lucene索引詞（B）的頻率

Answer 1

這已被要求多次：

• Get term frequencies in Lucene
• How to count term frequency for set of documents?
• Get highest frequency terms from Lucene index
• How do I get solr term frequency?

Answer 2

假設你使用Lucene 3.x的工作：

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

一些評論：

dir是Lucene的Directory class的實例。 RAM和文件系統索引的創建方式不同，請參閱Lucene文檔以獲取詳細信息。

"your_filed"是提交搜索一個術語。如果您有多個字段，則可以爲所有這些字段運行過程，或者爲索引文件編制索引時，可以創建特殊字段（例如「_content」）並在其中保留所有其他字段的串聯值。

Answer 3

使用Lucene 3.4

簡單的方法來計數，但你需要兩個數組： -/

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

要注意：如果你會用閱讀你是不是能夠接下來用（）因爲read（）之後你已經在枚舉的末尾：

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 
}