java - 在Lucene 4中访问术语统计

我有一个Lucene索引，我需要访问一些统计信息，例如术语收集频率。 BasicStats类具有此信息，但是，我无法理解此类是否可访问。

可以在Lucene 4中访问BasicStats类吗？

最佳答案

BasicStats本身对您没有多大帮助。它所做的只是为您保留价值，它没有任何智能来获取该信息。

BasicStats旨在由Similarity实现使用，该实现生成所有要放入其中的信息。它在SimilarityBase中用于执行此操作的方法受到保护，但是我们可以在此处使用代码。要填充BasicStats，您还需要一个CollectionStatistics和TermStatistics，但实际上，要获得这些内容，您所需要做的就是您感兴趣的Term和一个IndexReader：

public static BasicStats getBasicStats(IndexReader indexReader, Term myTerm, float queryBoost) throws IOException {
    String fieldName = myTerm.field();

    CollectionStatistics collectionStats = new CollectionStatistics(
            "field",
            indexReader.maxDoc(),
            indexReader.getDocCount(fieldName),
            indexReader.getSumTotalTermFreq(fieldName),
            indexReader.getSumDocFreq(fieldName)
            );

    TermStatistics termStats = new TermStatistics(
            myTerm.bytes(),
            indexReader.docFreq(myTerm),
            indexReader.totalTermFreq(myTerm)
            );

    BasicStats myStats = new BasicStats(fieldName, queryBoost);
    assert collectionStats.sumTotalTermFreq() == -1 || collectionStats.sumTotalTermFreq() >= termStats.totalTermFreq();
    long numberOfDocuments = collectionStats.maxDoc();

    long docFreq = termStats.docFreq();
    long totalTermFreq = termStats.totalTermFreq();

    if (totalTermFreq == -1) {
      totalTermFreq = docFreq;
    }

    final long numberOfFieldTokens;
    final float avgFieldLength;

    long sumTotalTermFreq = collectionStats.sumTotalTermFreq();

    if (sumTotalTermFreq <= 0) {
        numberOfFieldTokens = docFreq;
        avgFieldLength = 1;
    } else {
        numberOfFieldTokens = sumTotalTermFreq;
        avgFieldLength = (float)numberOfFieldTokens / numberOfDocuments;
    }

    myStats.setNumberOfDocuments(numberOfDocuments);
    myStats.setNumberOfFieldTokens(numberOfFieldTokens);
    myStats.setAvgFieldLength(avgFieldLength);
    myStats.setDocFreq(docFreq);
    myStats.setTotalTermFreq(totalTermFreq);

    return myStats;
}

如果您所追求的只是一个或两个特定的数字（即对IndexReader的两个或两个调用），则可能是过大了，但是确实存在。