Apache Solr topTerms（LukeRequestHandler）沒有給出正確的令牌計數

Question

我正在使用幾天前的Solr 4 trunk build。

根據LukeRequestHandler的Wiki頁面（第一個示例輸出），我們應該得到每個或任何指定字段的標記計數。我想用這個數來計算我所有文檔中每個單詞出現的次數。例如，如果字「是」會出現兩個MS Word文檔，兩次在第一和第二三次，我會得到這樣的輸出：

<lst name="text"> 
    <str name="type">text</str> 
    <str name="schema">IT-M---------</str> 
    <str name="index">(unstored field)</str> 
    <int name="docs">2</int> 
    <int name="distinct">42</int> 
    <lst name="topTerms"> 
    <int name="is">5</int> 

這是因爲這個詞「是」發生兩份文件共五次。但是我實際得到的是<int name="is">2</int>。我認爲這是因爲它發生明顯（由文件）總共兩次。

但是，根據維基，我們應該得到一個總數，總結所有的文件，這是我真正想要的。

---

我怎樣才能獲得的每一個字次的所有索引文檔總數出現？

---

參考：由TermsComponent返回

http://wiki.apache.org/solr/LukeRequestHandler

Answer 1

文檔頻率的匹配術語，獨特的文件，其中包括已被標記爲刪除，但尚未移除的任何文檔的數量來自索引。

TermVectorComponent提供有關在字段上設置termVector屬性時存儲的文檔的信息。
TVC可以返回術語矢量，術語頻率，逆文檔頻率以及位置和偏移信息。

tv.tf - 返回文檔中每個術語的文檔術語頻率信息。

<lst name="termVectors"> 
    <lst name="doc-5"> 
    <str name="uniqueKey">MA147LL/A</str> 
    <lst name="includes"> 
     <lst name="cable"> 
     <int name="tf">1</int> 
     </lst> 
     <lst name="earbud"> 
     <int name="tf">5</int> 
     </lst> 
     <lst name="headphones"> 
     <int name="tf">1</int> 
     </lst> 
     <lst name="usb"> 
     <int name="tf">1</int> 
     </lst> 
    </lst> 
    </lst> 
    ............... 
</lst>