如何在Lucene索引中存储自定义标记属性

Question

我想为RDF节点创建一个Lucene分析器。 RDF节点可以有多种类型（uri，bnode，普通文字，带有语言的普通文字，带数据类型的类型文字）。在分析术语时，我想创建一个RDFNodeTypeAttribute，LanguageAttribute和DatatypeAttribute来分别存储RDF节点的类型，文字的语言和数据类型属性。我的问题是如何将这些属性存储在lucene索引中。我是否必须编写自定义编解码器？我是否必须使用PayloadAttribute？一旦存储在索引中，我如何利用这些属性进行搜索？ 谢谢你的帮助

Answer 1

我无法完全满足您的要求，但如果您对Lucene索引的编码和解码方式不满意，您可以使用编解码器。编解码器使您可以灵活地拥有自己的PostingsFormat，SegmentInfosFormat，LiveDocsFormat等。因此，让我们说，您需要来自默认Lucence编解码器的不同postssFormat - 更像是每个术语，存储它出现的所有docId，它有多少次发生在文档中，在特定格式的什么位置等。如果您希望以不同的格式存储此信息，则需要编解码器。

我认为您不需要为此编写任何编解码器或任何PostingFormat。也许编写自己的Analyzer和Similarity类就足够了。如果您提供有关问题的更多信息，我可以进一步思考。

有效负载处于学期级别，典型用例是存储每个术语的元数据。因此，一个用例如：这个术语是用粗体写的，或者是名词等，是术语的元数据，应该存储在有效载荷中。实际上，您使用有效负载来评估文档，并且它们在赋予术语一定的权重时很重要。

虽然RDF是Web资源的元数据，但您可能正在谈论索引RDF本身。即使它是Web文档的一部分，您也要编制索引，因此将Web文档中每个术语的RDF信息放在一起是不可行的方法，因为有更好的方法可以为文档分配权重而不是。