从 Lucene 索引中提取搭配词

Question

我有一个存储在 Lucene 中的文档索引。我需要从索引中提取所有搭配词及其频率。我知道有各种算法可以检测给定文档中的搭配，但我不知道有任何现有的库可以与 Lucene 一起专门用于此任务。有人知道图书馆吗？

我知道如何从 lucene 索引中仅提取二元组，但并非所有二元组当然都是搭配词。

Answer 1

使用Shingles 会生成所有n-gram 怎么样。然后，使用构面将这些 ngram 带回计数？或者从管理部分进行术语分析。