Question

我们计划使用lucene作为FTI服务。除此之外，我们还希望基于文档的标记属性构建标记索引，这些文档只包含空格分隔的标记。

现在建议标记完成，如果有办法访问给定索引的所有唯一关键字，那将会很棒。 Lucene必须能够在内部执行此操作，因为它使用它来完成类似查询以使用OR重写它们。

有什么建议吗？

Answer 1

使用IndexReader.terms获取代码字段的所有字词值（和文档计数）。

Answer 2

标记完成需要来自（a）标记列表上的前缀查询（如pytho *），或（b）通过ngram-tokenized字段上的查询（例如，Lucene将python索引为p ，py，pyt，pytho，python在一个单独的字段中。）这两种解决方案都允许您即时执行标记完成查询。

你的建议（以及Coady的回应会给你带来的）是一种更离线的方法，或者你真的不想在查询时运行的东西。这也很好 - 预计标签词典不会实时 - 但请注意，迭代通过IndexReader的术语并不意味着是“查询时”操作。

Answer 3

注意直接使用索引中的术语。如果在索引时启用了词干，则所有有趣的字符串将开始出现在术语列表中。 “美”被蕴涵为“美”，“创造”被转化为“创造”等等。

Answer 4

你需要做两件事：

1）创建要编制索引的文档时，请确保使用“ANALYZED”

doc.add(new Field("tags", tags, Field.Store.NO, Field.Index.ANALYZED));

2）使用布尔查询和OR所有术语：

BooleanQuery query = new BooleanQuery();

for( String tag : tags){
    query.add(new TermQuery("tags", tag), BooleanClause.Occur.SHOULD); 
}
TopDocs docs = searcher.search(query, null, searchLimit);

Answer 5

如果您尝试完成标记，则不需要所有唯一标记，您需要的标记与用户已输入的标记相匹配。这可以通过通配符，模糊，跨度或proefix查询来完成，具体取决于需要。

从lucene索引访问关键字列表

5 个答案: