Lucene - 不同领域的相关数据

Question

我想用Lucene对一些文档进行文本搜索。提供的文件已在表格中标记化：
|documentID|token|position|
'documentID'是令牌所在的文档的id 'position'描述了在文档中写入令牌的位置

我的第一次尝试是创建一个索引来搜索令牌并返回documentID。所以我为每个documentID创建了一个Lucene文档。对于每个Lucene文档，我为本文档中的每个标记添加了一个IntField“documentID”和几个StringFields“标记”。因此，没问题。

现在我开始了第二次尝试，包括位置信息。首先想到：“没问题，只需将StringFields'位置'添加到Lucene文档中！”但是......那么我和位置之间没有任何关系。这是我最终想要的一个例子：
INPUT:
tomato
OUTPUT:
docID1|position1
docID1|position2
docID2|position1
...

我怎样才能做到这一点？在我看来，最简单的解决方案是停止转换文档＆gt; Lucene文档并开始将单个标记映射到Lucene文档。
所以我为每个唯一的token / documentID组合创建了一个Lucene文档（当然只适用于包含令牌的documentID）。然后我将令牌和documentID作为字段添加到文档中。此外，每次击中包含表中“位置”的IntField 示例：

StringField 'token1'
IntField 'documentID1'
IntField 'position1'
IntField 'position2'
IntFIeld 'position3'

StringField 'token1'
IntField 'documentID2'
IntField 'position1'
IntField 'position2'

还有其他方法可以存储链接字段吗？

Answer 1

为什么要使用Lucene呢？您是否还有其他需要Lucene功能的要求？如果没有，您只需要一个“地图”数据结构。关键是令牌。该值包含文档ID列表以及位置列表。