Lucene java无solr短语提示器

我有一个包含二进制文档（如PDF）的大型数据库和一个没有TermFreqVector的索引，只是“Store.NO，index.analysis”。我正试图用它来实现短语提示器/预测器。我想搜索单个或多个单词，比如：“where”或“where are”，我希望得到类似“where are you john”的内容

我很惊讶LUKE能够以某种方式从创建的索引中逐项恢复文档文档（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）。有人知道这是怎么可能的吗？ 我的建议者有两个选择：

1） 使用“不知何故”LUKE的机制从我现在的索引中恢复文档。（那就最好了）

2） 为短语建议者创建另一个索引。（但是，目前实施的索引大约需要2-3天，大约需要4-5个IGS）。我在网上搜索过这个解决方案，但大多数都导致了我无法使用的SOLR

我已经尝试了一些解决方案，但是。。。我结巴了

---

如有任何提示，我将不胜感激

首先，我不建议尝试模仿卢克的文档重建。它是用来调试的。这是昂贵的，复杂的，有损的。如果你真的想知道它是如何工作的，Luke是开源的，那么就抓住源代码看看：/src/org/getopt/Luke/docrestructor.java

---

我看到的短语建议的实现是将短语存储为

StringField

，并使用

SpellChecker

查找建议。这需要您定义什么是上下文中的“短语”，并分别为它们编制索引。我可能会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。经过几次尝试，采取了不同的方法。。。我做到了，而且它运行得非常快。：）

---

我所做的一切。我已经用一个附加选项“TermVector.with_POSITIONS”为我的所有文档重新编制了索引，并使用PrefixQuery直接在索引中搜索术语。然后，我将在文档中搜索术语的所有位置，并将其存储在地图中。然后，我将迭代文档中的术语，检查术语位置是否为TermPosition。我见过autosuggester使用拼写检查器的一些实现（但没有描述如何准备索引：/）。然而，它是针对lucene 4+的。我忘了说我需要使用lucene 3.5，它没有StringField，只有一个字段。我知道它也有拼写检查器。无论如何，它将需要一个额外的索引。对吗？我只是在想。。。如果currnet索引需要大约4Gigs，拼写检查器将要大得多。。。我想。在4.0之前，您可以通过

字段.Index.NOT\u分析
。您还可以使用
关键字标记器
对其进行分析，并使用过滤器对文本进行规范化（例如
小写过滤器
），这可能会使其更可用。