>我有一个大的数据库，里面有二进制文档（如PDF）和一个没有TermFreqVector的索引，只有"Store.NO，Index.ANALYZED"。我正在尝试使用它来实现短语建议器/预测器。我想搜索单个和多个单词，例如："where"或"where are"，我希望得到类似"你在哪里约翰"之类的东西。
我很惊讶 LUKE 能够以某种方式从创建的索引逐个术语地恢复文档文档（我已经检查了它的来源，但是......我仍然不知道没有TermFreqVector怎么可能）。有没有人知道这怎么可能？我的建议器有两个选项：
1）使用"以某种方式"LUKE的机制从我现在拥有的索引中恢复文档。（那将是最好的）。
2）为短语建议器创建另一个索引。（但是，目前实施的索引大约需要 2-3 天和大约 4-5GB 的时间）。我已经在网上搜索了解决方案，但其中大多数都会导致我无法使用的 SOLR。
我已经尝试了一些解决方案，但是...我卡住了。
如有任何提示，我将不胜感激。
首先，我不建议尝试模仿 Luke 的文档重建。 它用于调试。 它成本高昂、复杂且有损。 如果你真的想知道它是如何工作的，Luke 是开源的，所以获取源代码并查看：/src/org/getopt/luke/DocReconstructor.java
我看到的短语建议的实现是将短语存储为StringField，并使用SpellChecker来查找建议。 这将要求您定义符合"短语"的条件是此上下文，并单独为它们编制索引。 我可能只是为此创建另一个字段，而不是一个完全独立的索引，但这取决于您。
好的。经过几次重试后，采用不同的方法...我做到了，它的工作速度非常快。:)我做了什么。我使用附加选项"TermVector.WITH_POSITIONS"重新索引了所有文档，并且我正在使用前缀查询直接在索引中搜索术语。然后，我将在文档中搜索的术语的所有位置都存储在地图中。然后，我正在迭代文档术语，检查术语位置是否为TermPosition <=（建议短语的数量）。
如果您需要示例，请询问:)