如何从Lucene索引中获取下一个术语？

Question

我是从其他人创建的Lucene索引开始的。我想找到一个字后面的所有单词。我从索引中提取了感兴趣的术语（org.apache.lucene.index.Term），我可以找到包含该术语的文档：

segmentTermDocs = segmentReader.termDocs(term);
while (segmentTermDocs.next) {
        doc = segmentReader.document(segmentTermDocs.doc);
...
}

我有没有办法在文档中找到该术语的位置并提取其后的术语？

Answer 1

由于在你的情况下索引n-gram不是一种选择，因此需要一些暴力。你可以枚举IndexReader's terms and termPositions，但这可能会非常缓慢。

更快的方法是通过枚举术语并使用MultiPhraseQuery一次检查一个组来实现分而治之的搜索算法。将所有潜在术语拆分为合理大小的组（比如1000），并对每个块和前缀词运行MultiPhraseQuery搜索。如果有任何匹配，则递归调用子组，直到达到单个术语。

Answer 2

这是Grant Ingersoll's paper: Accessing words around a positional match in Lucene。