在多个字段中查找唯一术语的数量

Question

我需要在 Lucene-Java 中的两个或多个字段的组合中查找唯一术语的数量（或列表）。我正在为 Lucene 4.1.0 使用 Java 库。我检查了诸如 this and this 之类的问题，但他们讨论了从单个（特定）字段或所有中查找唯一术语列表字段（无子集）。

例如，我对 number(unique(height, gender)) 而不是 number(unique(height)) 或 number(unique(gender)) 感兴趣。

给定数据：

height,gender 1,M 2,F 3,M 3,F 4,M 4,F

number(unique(height)) 是 4，number(unique(gender)) 是 2，number(unique(gender,height)) 是 6。

任何帮助将不胜感激。

谢谢！

Answer 1

如果您预定义了多个字段，那么最简单和最快的（在搜索术语中）是索引一个组合字段，即 heightGender (1.23:male)。然后您可以只计算该字段中的唯一术语，但这在搜索时没有任何灵活性。

更灵活的方法是使用构面 (https://lucene.apache.org/core/4_1_0/facet/index.html)。然后，您将查询一个字段的每个值（例如性别（male/female））并检索另一个字段的所有值（和文档计数）。

但是，如果您无法更改索引编制过程，那么您只能使用布尔查询进行强力搜索，以查找索引中包含您的字段值的所有组合的文档数感兴趣。我假设您只计算文档数量非零的组合。

值得注意的是，这个问题正是Solr Pivot Facets要解决的问题(http://lucidworks.com/blog/pivot-facets-inside-and-out/)

在多个字段中查找唯一术语的数量

Finding number of unique terms over multiple fields

java

lucene