从 Lucene 索引中获取最高频率项答案

【问题标题】：Get highest frequency terms from Lucene index从 Lucene 索引中获取最高频率项
【发布时间】：2010-05-12 19:00:40
【问题描述】：

我需要从几个 lucene 索引中提取频率最高的术语，以将它们用于一些语义分析。

所以，我想获得前 30 个最常出现的术语（仍然没有决定阈值，我将分析结果）和它们的每个索引计数。我知道我可能会因为潜在地丢弃重复项而失去一些精度，但现在，可以说我可以接受。

所以对于建议的解决方案，（不用说也许）速度并不重要，因为我会进行静态分析，我会强调实现的简单性，因为我对 Lucene 和我无法理解它的一些概念..

我找不到任何类似的代码示例，所以所有具体的建议（代码、伪代码、代码示例的链接......）感谢所有的建议！

谢谢！

【问题讨论】：

【解决方案1】：

一个非常简单的方法是使用Luke。在“概述”选项卡上，有一个“显示热门术语”按钮，可用于您需要的内容。

【讨论】：

【解决方案2】：

此页面中的类具有computeTopTermQuery 方法，您应该可以轻松地对其进行改造以遍历多个索引。

【讨论】：

谢谢！正是我需要的！
您好！我使用 lucene 4.4 所以它没有 terms() 方法？请帮帮我！
@Thangnv 您可能想为此打开一个单独的线程，或通过电子邮件发送 Lucene Java 邮件列表。我手头没有运行 Lucene 4.4。这些天时间一直供不应求;-(