java - 访问 Lucene 4 中的术语统计信息

Question

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，我无法理解该类是否可访问。

是否可以访问 Lucene 4 中的 BasicStats 类？

Answer 1

BasicStats它本身不会对你有多大作用。它所做的只是为您保存值(value)观，它没有任何智能获取该信息。

BasicStats旨在由 Similarity 使用实现，它生成要放入其中的所有信息。它用于执行此操作的方法在 SimilarityBase受到保护，但我们可以利用那里的代码。填充BasicStats ，您还需要 CollectionStatistics和一个TermStatistics ，但实际上您只需要获取这些 Term您感兴趣，并且 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一两个具体数字(即一两次调用 IndexReader )，这可能有点矫枉过正，但事实就是如此。