Question

我想知道查询中的“前10个术语”（这只是一个日期范围查询）。我需要按日期“总学期频率”... 不一份文件，不只是整个索引中的学期频率计数。我查看了Solr TermsComponent和Lucene的HighFreqTerms，但似乎都不支持我想要的查询结果。

我的索引很简单......每个项目都进入'content'字段，该字段也有'dateCreated'字段（以支持查询）。对我可以使用的技术的任何想法？

Answer 1

当您查询相关日期时，您可以遍历已返回的scoreDoc和内容字段的get TermVector，如：

Terms terms = myIndexReader.getTermVector(currentScoreDoc.doc, "content");

然后您可以遍历terms.iterator()，并为每个字词创建一系列计数（从TermsEnum.next()或TermsEnum.term()方法获取）

Answer 2

Faceting几乎提供了您正在寻找的内容，但会为每个字词提供文档频率，而不是总字词频率。将您的日期范围查询作为/select调用，然后添加参数： * rows=0，因为您不希望看到找到的文件，只需计算 * facet=true * facet.field=<the field with the required terms> * facet.limit=10，因为你想要前十名

在名为text的字段中，部分响应如下：

<lst name="facet_counts">
  <lst name="facet_queries"/>
  <lst name="facet_fields">
    <lst name="text">
      <int name="from">3690</int>
      <int name="have">3595</int>
      <int name="it">3495</int>
      <int name="has">3450</int>
      <int name="one">3375</int>
      <int name="who">3221</int>
      <int name="he">3137</int>
      <int name="up">3125</int>
      <int name="all">3112</int>
      <int name="year">3089</int>
    </lst>
  </lst>
  <lst name="facet_dates"/>
  <lst name="facet_ranges"/>
</lst>

警告，此请求可能很慢！

按日期查询获取总学期频率

2 个答案: