我有一个包含二进制文档（如PDF）的大型数据库和没有TermFreqVector的索引，只有“Store.NO，Index.ANALYZED”。我正在尝试使用它实现短语建议/预测器。我想搜索单个和多个单词，例如：“where”或“where are”，我希望得到类似“你在哪里约翰”的内容。
我很惊讶LUKE能够以某种方式从创建的索引中逐项恢复文档文档（我检查了它的来源，但是......我仍然不知道如果没有TermFreqVector它是如何实现的）。有没有人知道它是如何可能的？ 我的建议者有两种选择：
1）使用'某种方式'LUKE的机制从我现在拥有的索引中恢复文档。 （那将是最好的）。
2）为短语建议者创建另一个索引。 （但是，目前实施的索引大约需要2-3天，大约需要4-5Gig）。我已经在网上搜索了解决方案，但是大多数都导致了我无法使用的SOLR。
我已经尝试了很少的解决方案但是...我已经坚持了。
如果有任何提示，我将不胜感激。
答案 0 :(得分：0)
首先，我不建议尝试模仿Luke的文档重建。它用于调试。这是昂贵，复杂和有损的。如果你真的想知道它是如何工作的，那么Luke是开源的，所以抓住源代码并看看：/src/org/getopt/luke/DocReconstructor.java
我在短语建议中看到的实现是将短语存储为StringField，并使用SpellChecker来查找推荐。这将要求您定义什么限定为“短语”是此上下文，并单独索引它们。我可能只是为此创建另一个字段，而不是一个完全独立的索引，但这取决于你。
答案 1 :(得分：0)
行。经过几次重试后采取了不同的方法......我做到了这一点并且工作得非常快。 :) 我做了什么。我使用附加选项“TermVector.WITH_POSITIONS”重新索引了我的所有文档，并且我正在使用PrefixQuery直接在索引中搜索术语。然后，我将在文档中搜索我正在搜索的术语的所有位置，并将其与地图一起存储。然后，我正在迭代文档术语，检查术语位置是否为TermPosition＆lt; =（建议短语的数量）。
如果您需要示例，请询问：）