我希望你能帮助我，这是我的问题：
编辑：现在我重新想一想，如果有办法从索引中删除一个术语，那么它无论如何都会有用。有没有办法做到这一点？如果有的话，没有必要阅读其余的问题。谢谢！
这是我打算做的： 1 - 我必须在删除标准停用词时索引某些文件。 2 - 之后，我必须计算每个术语的文档频率，并删除那些df＆lt; 2
我是怎么做的：
1 - 我使用indexwriter索引文件，同时删除std停用词。 2 - 我计算每个术语的df，然后添加到停用词列表中。 3 - 然后，我使用indexwriter再次索引文本，但使用新的停用词列表
真正发生的事情：
我第一次将其编入索引按计划进行。问题是当我尝试第二次索引时。结果变得非常不可预测：
1）如果我运行程序一次，即使停用词有新单词，也只删除std停用词。
2）如果我第二次运行程序，则使用df＆lt; 2被删除。
我在索引中打印两次，第一次索引后打印一次，第二次索引后打印一次。
当我第二次跑步时，条款与df＆lt; 2在第一次打印中显示已删除（请注意我在第一次打印时添加了df＆lt; 2时的条件，它不应该在第一次打印中删除）。
也许我解释的方式有点令人困惑，我请你告诉我是否有些事情无法理解。
我希望你们能帮助我。 非常感谢你！
答案 0 :(得分：1)
第二次索引文档时，请确保删除文档的第一个实例，否则您将为所有术语扩展dfs。您可以通过外部ID字段删除文档：使用field = idfield＆amp;创建Term。 value = externalId，然后使用IndexWriter的deleteDocument(Term)删除旧实例;然后添加新的。我认为没有办法明确删除条款;它们来自文件。
作为优化，您可以考虑以下事项： 1.索引所有文件 2.找到df = 1的所有项 3.删除每个术语的所有文档，跟踪其外部文档ID 4.将条款添加到停止列表中 5.仅重新索引先前删除的文档。
当然，首先您必须仔细考虑删除这些术语的用例。 1.如果它们出现在索引中，为什么重要？ 2.如果稍后更新索引会发生什么，并添加一个新文档，该文档会导致之前df = 1的某个术语现在具有df = 2。您将无法对该术语编制索引，因为它已经在停止列表中。