Java Lucene文档的相似性和质心计算

为了对我从Lucene得到的结果执行一个简单的聚类算法，我必须计算Lucene中两个文档之间的余弦相似性，我还需要能够制作一个形心文档来表示每个聚类的形心

我所能想到的就是用tf idf权重构建我自己的向量空间模型，使用TermFreqVectors和总体术语频率来填充它

我的问题是：这不是一个有效的方法，有没有更好的方法

---

这让人觉得有点不清楚，所以对于如何改进我的问题，我也非常感谢

标记，你可能会发现，或有用。

简短的回答是：不

---

我花了很多时间（太多）研究这个问题，据我所知，您可以创建自己的向量空间模型并从中工作，或者使用Mahout生成Mahout向量，您可以从中对文档进行比较。我要继续做我自己的，所以我要标记这个问题的答案

为了获得一个文档与另一个文档的相似性，为什么不对一个文档的内容进行一次查询，然后对索引运行查询？

---

这样，您将获得分数（余弦相似度值）

我已经看过了，但无论如何，它们都是相关链接。很抱歉这样突然出现，但您是如何解决问题的？您是否必须自己实现，或者您是否能够重用Lucene的一些隐藏的现有组件？谢谢