Tag: 索引

如何使用Lucene获取频繁出现的短语: 我想在Lucene中找到一些经常出现的短语。我从TXT文件中获取了一些信息，并且因为没有短语信息而丢失了很多上下文，例如“信息检索”被索引为两个单独的单词。获取这样的短语的方法是什么？我在互联网上找不到任何有用的东西，所有的建议，链接，提示特别是例子表示赞赏！编辑：我只是按标题和内容存储我的文件： Document doc = new Document(); doc.add(new Field(“name”, f.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED)); doc.add(new Field(“text”, fReader, Field.TermVector.WITH_POSITIONS_OFFSETS)); 因为我正在做的事情，最重要的是文件的内容。标题往往不具有描述性（例如，我有许多PDF学术论文，其标题是代码或数字）。我迫切需要从文本内容中索引最常出现的短语，刚才我看到这个简单的“词袋”方法效率不高。

Java商业友好的R-tree实现？: 我需要Java中的商业友好（Apache许可证，LGPL，Mozilla公共许可证等） R-tree实现，以便将地理名称 Web Service替换为时区，如问题“在不使用Web的情况下从纬度/经度确定时区 ”中所建议的那样像Geonames.org这样的服务 “。我找到了一些，但我想知道是否有人在实践中评估或使用它们。

从Lucene索引获得最高频率条款: 我需要从几个lucene索引中提取具有最高频率的术语，以便将它们用于某些语义分析。所以，我想得到可能排名前30位的最常见的术语（仍然没有决定阈值，我将分析结果）和他们的每个索引计数。我知道我可能会失去一些精确度，因为可能会丢失重复，但就目前而言，让我说我很好。所以对于提出的解决方案，（不用说可能）速度并不重要，因为我会进行静态分析，我会强调实现的简单性，因为我不熟悉Lucene并且无法围绕它的一些概念。。我找不到任何类似的代码示例，所以具体建议（代码，伪代码，代码示例的链接……）感谢所有的建议！谢谢！

将ArrayList转换为包含不同长度数组的2D数组: 所以我有： ArrayList<ArrayList> 其中包含x个包含另外y个字符串的ArrayLists。演示： Index 0: String 1 String 2 String 3 Index 1: String 4 Index 2: Index 3: String 5 String 6 其中index指的是包含字符串的数组索引。如何将其转换为2D数组，如下所示： {{String1, String2, String3},{String4}, {}, {String5, String6}} 非常感谢。