在索引的lucene文档的子集中获得最常用的术语

Question

让我们假设以下场景。

• Lucene文件：ArticleDocument

  字段：{Id，text，publisherId}

• 发布商可以发布多篇文章。

问题

我想为每个 发布商ID 构建单词云（最常见的单词，带状疱疹）。

在我调查之后，我可以找到方法来获得整个索引或文档的最常用术语，但不能找到文档的子集。我找到了similar question但是这是Lucene 2 .x，我希望在最近的Lucene中存在一种有效的方法。

请您指导我在 Lucene 4.x （首选）或3.x（最新版本3）中执行此操作。

请注意，我无法为每个发布者提供一个文档，其中所有文章都附加到字段中。

那是因为我希望云中的这些词可以搜索相应的文章（由同一个发布者ID）作为结果。

我不确定维护两种类型的lucene文档（文章和出版商）在维护和性能方面是否是一个好主意。

Answer 1

使用Solr 4.X版本中提供的Pivot Faceting。透视刻面允许您在父刻面的结果内进行刻面。

使用Shingle Filter Factory.

在索引时为“文本”字段生成带标签的标记

对于分面，在查询中添加facet=true&facet.pivot=publisherid,text个参数。

示例查询：

http://localhost:8983/solr/collection1/select?q=*:*&wt=json&indent=true&facet=true&facet.pivot=publisherid,text

查询将为每个“publisherid”返回频繁的带状疱疹/单词频率。