在我的Solr系列中查找最常见的术语

Question

我需要在Solr集合中识别潜在的停止语。有可能在我的收藏中（或者至少在给定的碎片中）找到文档频率最高的术语吗？

Answer 1

是的，使用HighFreqTerms，如：

TermStats[] stats = HighFreqTerms.gethighFreqTerms(reader, 10, "myContentField", new HighFreqTerms.DocFreqComparator());
for (TermStats stat : stats) {
    System.out.println(stat.termtext.utf8ToString() + ",   docfreq:" + stat.docFreq);
    //Or whatever else you want to do with them...
}

卢克还突出地展示了最常见的术语。

Answer 2

由于您已经设置了Solr，请使用TermsComponent获取任何给定字段的术语频率：

http://wiki.apache.org/solr/TermsComponent

如果您有一个默认的搜索字段（即复制字段的目的地），它应该会为您提供所有字段的频率。