从Lucene索引中获取最高频率项

Question

我需要从几个lucene索引中提取具有最高频率的术语，以便将它们用于某些语义分析。

所以，我想得到可能排名前30位的最常见的术语（仍然没有决定阈值，我会分析结果）和他们的每个索引计数。我知道我可能会失去一些精确度，因为可能会丢失一些副本，但是现在，让我说我很好。

所以对于提出的解决方案，（不用说可能）速度并不重要，因为我会进行静态分析，我会强调实现简单，因为我对Lucene并不熟练我无法理解它的一些概念..

我找不到任何类似的代码示例，所以具体建议（代码，伪代码，代码示例的链接......）感谢所有的建议！

谢谢！

Answer 1

一种非常简单的方法是使用Luke。在“概览”标签上，有一个“显示顶级字词”按钮，可用于您需要的内容。

Answer 2

看看这个： http://sujitpal.blogspot.com/2009/02/summarization-with-lucene.html

此页面中的类具有computeTopTermQuery方法，您应该可以轻松地对其进行翻新以便遍历多个索引。