从Lucene索引中获得频率最高的术语
我需要 从多个Lucene索引中 提取 频率最高的术语 ，以将其用于某些语义分析。
因此，我想获取可能出现次数最多的前30个词（仍未决定阈值，我将分析结果）及其按索引计数。我知道由于故意删除重复项，我可能会失去一些精度，但是就目前而言，我可以接受。
因此，对于所提出的解决方案，（不必说可能）速度并不重要，因为我会进行静态分析，所以我会强调实现的 简便性
，因为我不太了解Lucene，也无法将其思想笼罩在其中。 。
我从相似的地方找不到任何代码示例，因此所有具体建议（代码，伪代码，指向代码示例的链接…）感谢所有建议！
谢谢！
问题答案：
看看这个：http : //sujitpal.blogspot.com/2009/02/summarization-with-
lucene.html
此页面中的类具有一些computeTopTermQuery方法，您应该可以轻松地对其进行改造以遍历多个索引。
-
问题内容： 找出查询中哪些术语与以lucene命中形式返回的给定文档相匹配的最佳方法是什么？ 我尝试了一种奇怪的方法，其中涉及在Lucene Contrib中命中高亮显示包，还有一种方法针对最上面的文档（“ docId：xy AND description：each_word_in_query”）在查询中搜索每个单词。 没有得到满意的结果？点击突出显示不会报告与第一个文档不同的某些单词。我不确定第
-
这是我的ES查询： ==创建索引=== ===插入数据=== ==获取结果的查询=== ==检索到的结果=== ==期望结果=== 所需术语按文档搜索术语的频率，如下所示 我尝试过Bucket聚合、Terms聚合和其他聚合，但没有得到这个结果。 提前谢谢你的帮助！
-
我试图使用这里定义的基本字数。当IntSumReducer执行context.write时，是否可能将该context.write传递给第二个reducer或输出类，该reducer或输出类将IntSumReducer给出的最终列表减少/更改到单个最大频率？ 我对Hadoop/MapReduce和Java中的jobs概念相当陌生，所以我不确定我需要如何修改默认的WordCount以使其符合要求。我
-
在测试此文本时，我在要在文本中搜索的列上创建了lucene（3.0.1）索引： 如果我按关键字搜索，它会给出结果，但按 我正在使用standardAnalyzer： 因为已设置，它应创建令牌，并且应存在$GLD。Analyzer将从文本中删除停止字，因为word也将在该过程中删除。
-
我正在尝试从Lucene索引中删除文档。我只想从lucene索引中删除指定的文件。 我下面的程序是删除可以使用关键字分析器搜索的索引，但是我需要的文件名只能使用标准分析器搜索。因此，它是任何方式设置标准分析器在我的任期或代替任期如何使用QueryParser从Lucene索引删除文档。
-
问题内容： 我试图获取数组中的最大值，同时仍保留项目标签。我知道我可以通过运行sort（）来做到这一点，但是如果这样做，我只会丢失标签- 这对于我需要的东西毫无意义。这是数组： 有任何想法吗？ 问题答案： 不要对数组进行排序以获取最大值。 获得最大值： 获取相应的密钥：