开源/源文本索引和搜索的建议

Question

我刚刚发现了Lucene（Java库）并开始阅读它。

我有兴趣学习一些文学作品（例如Philo，Josephus），并对它们编制索引，然后进行以下类型的分析（类似于一些圣经软件程序所做的那样）：

1）在单词y的2或3个单词中找到单词x

2）找到“*手*的工作*” - 会找到“你手中的作品”，“他的手工作”等......

3）找到文学模式（也称为“motiffs”），例如作者使用短语“在那一天”。 （我认为这可能是最棘手的，可能必须找到2-7个单词短语的所有组合然后计算它们并对它们进行排名，例如仅显示前25个）。例如，这可能表明Josephus喜欢使用一组短语，而Philo则喜欢使用另一组短语。

您会推荐哪些开源库？ 我的语言偏好可能是1）Python，2）C＃，3）Java。 理想情况下，不依赖于任何专有数据库。

谢谢，

Neal

Answer 1

Lucene是我认为在人气，社区，活动和工具方面最好的一个。我建议你看一下建在Lucene之上的Solr。我找到的另一个开源索引框架是Egothor，我不确定采用率是多少。

here is a survey可能会帮助您选择合适的人。

Here您可以找到更多开源和商业图书馆。我见过他们中很少有人支持超过1种编程语言的绑定。如果你决定使用Lucene，那么你可能需要Luke来进行调试。