我正在寻找一种方法来查找Lucene中类似字段的术语频率。
假设给定文档的字段如下：
文档1：
/ movie / actor / name0：汤姆 / movie / actor / name1：汤姆汤姆 / movie / actor / name2：Tom Tom Tom
/ movie / actor / nickname0：汤姆汤姆汤姆 / movie / actor / nickname1：Tom Tom
文件2：
/ movie / actor / name0：汤姆汤姆汤姆 / movie / actor / name1：汤姆
/ movie / actor / nickname0：Tom
文件3：
/ movie / actor / name0：Tom
/ movie / actor / nickname0：汤姆汤姆 / movie / actor / nickname1：Tom Tom Tom
我想要以下输出：
/ movie / actor / name：16（所有类型的名称X的总和）
/ movie / actor / nickname：11（与上述算法相同）。
我有办法有效地遍历所有的nicknameX和nameX，所以我不需要那里的帮助。我需要帮助找到术语频率。
现在，对于给定的字段（比如/ movie / actor / name），我首先创建一个新的termdocs，浏览/ movie / actor / name0，...，/ movie / actor / namen，创建一个新的使用ith fieldname和给定字段值的术语（在上面的示例中，字段值为“tom”），将termdocs的术语设置为该术语，并遍历每个文档计算freq（）
显式（对于一个字段）：
TermDocs td = is.getIndexReader().termDocs();
for(int i=tmp2; i<=tmp; i++){
Term thisterm = new Term(distinctf[i], fv);
td.seek(thisterm);
while(td.next()){ //loop through <document, frequency> enumeration (all docs in collection)
sum+=td.freq();
}
}
return sum;
distinct [i]是第i个不同的字段（例如/ movie / actor / namei）
谢谢！