Ottenere più alti parametri di frequenza da indice di Lucene

Question

ho bisogno di estrarre rapporti con frequenze più alte da diversi indici Lucene , di usarli per qualche analisi semantica.

Quindi, voglio ottenere forse top 30 la maggior parte dei termini ammesse nella (ancora non si è pronunciata sulla soglia, io analizzare i risultati) e la loro conta per-indice. Sono consapevole che potrei perdere una certa precisione a causa di duplicati potentionally sceso, ma per ora, consente di dire io sono ok con quello.

Quindi, per le soluzioni proposte, (inutile dire forse) la velocità non è importante, dal momento che vorrei fare l'analisi statica, vorrei mettere l'accento su semplicità di realizzazione perché im non così abile con Lucene e non mi posso avvolgere la mia mente intorno ad alcuni concetti di esso ..

Non riesco a trovare nessuna esempi di codice da qualcosa di simile, in modo da tutti i consigli concreti (codice, pseudocodice, link ad esempi di codice ...) apprezzare tutti i consigli!

Grazie!

Answer 1

Date un'occhiata a questo: http://sujitpal.blogspot.com/2009/02/summarization- con-lucene.html

La classe in questo metodo hascomputeTopTermQuery pagina che si dovrebbe essere facilmente in grado di retrofit per andare su più indici.

Answer 2

Un modo molto semplice sarebbe quella di utilizzare Luca . Nella scheda 'Panoramica', c'è un pulsante che può essere utilizzato per quello che ti serve 'top termini Mostra'.