Lucene。如何建立一個term-doc矩陣

Question

我需要建立矩陣，但是我找不到一種方法來計算每個單元的標準化tf-idf。 我會執行的規範化是餘弦歸一化，即每1/sqrt（列中的sumOfSquaredtf-idf）除tf-idf（使用DefaultSimilarity計算）。

有沒有人知道一種方式來執行該操作？預先
由於
安東尼奧

Answer 1

一種方法，不使用Lucene，在Sujit Pal's blog進行說明。或者，您可以構建一個Lucene索引，該索引具有每個字段的術語向量，對術語進行迭代以獲得idf，然後迭代術語文檔以獲得tf。