Java 如何在Lucene 6中获取文档的字段规范？

我想计算TF-IDF分数，该分数通过字段范数标准化，用于通过Lucene找到的各种文档的字段组合_字段中的每个术语。正如您在下面的代码中所看到的，我可以得到文档字段中每个术语的术语频率，我也可以得到文档频率，但是我找不到在查询时获得该字段规范的方法。到目前为止，我发现的所有方法都依赖于只存在于旧Lucene版本中的方法，而不适用于Lucene 6。方法可能是使用，但我没有找到一种方法来获取它的实例

你知道我怎样才能得到每个文档的字段的范数吗

或者我可以使用termVector.size（）替换字段长度吗？大小（）是否考虑了 每个术语的出现或每个术语只计算一次

提前谢谢

IndexSearcher iSearcher = null;
ScoreDoc[] docs = null;
try {
   iSearcher = this.searchManager.acquire();
   IndexReader reader = iSearcher.getIndexReader();

   MultiFieldQueryParser parser = new MultiFieldQueryParser(this.getSearchFields(), this.queryAnalyzer);

   parser.setDefaultOperator(QueryParser.Operator.OR);

   Query query = parser.parse(QueryParser.escape(searchString));            

   docs = iSearcher.search(query, maxSearchResultNumber).scoreDocs;     

   for(int i=0; i < docs.length; i++) {
      Terms termVector = reader.getTermVector(docs[i].doc, COMBINED_FIELD);

      TermsEnum itr = termVector.iterator();
      BytesRef term = null;
      PostingsEnum postings = null;

      while((term = itr.next()) != null){
         String termText = term.utf8ToString();
         postings = itr.postings(postings, PostingsEnum.FREQS);
         postings.nextDoc();

         int tf = postings.freq();
         int docFreq = reader.docFreq(new Term(COMBINED_FIELD, term));
         //HERE I WANT TO GET THE FIELD LENGTH OF THE CURRENT DOCUMENT
      }
   }
} catch (Exception e) {
   // TODO Auto-generated catch block
   e.printStackTrace();         
} finally {
   try {
      this.searchManager.release(iSearcher);
   } catch (IOException e) {
      // TODO Auto-generated catch block
      e.printStackTrace();
   }
}

IndexSearcher-iSearcher=null；
ScoreDoc[]文档=null；
试一试{
iSearcher=this.searchManager.acquire（）；
IndexReader=iSearcher.getIndexReader（）；
MultiFieldQueryParser parser=新的MultiFieldQueryParser（this.getSearchFields（），this.queryAnalyzer）；
setDefaultOperator（QueryParser.Operator.OR）；
Query=parser.parse（QueryParser.escape（searchString））；
docs=iSearcher.search（查询，maxSearchResultNumber）.scoreDocs；
对于（int i=0；i

---

另外，是否有办法直接从Lucene获取字段中每个项的TF-IDF或BM25值？Lucene在方法

org.apache.Lucene.search.similories.Similarity#computeNorm

中编制索引时，在内部计算规范，然后对其进行编码并存储在磁盘上的

.nvm

文件中。之后，在查询/评分期间，仅对其进行解码

我认为，在Lucene中以编程方式实现这一点的一种可能方法是扩展相似性类，并在索引和存储过程中以某种方式获取这些信息。在我看来，这不是最好的方式，但至少是某种方式

另一方面，

BM25Similarity

通过以下方式计算长度：

discountOverlaps ? state.getLength() - state.getNumOverlap() : state.getLength();

---

其中

getLength（）

是字段中的项数，您可以在

中迭代计算，就像您在示例中所做的那样。
那么，您想计算范数还是获得长度？实际上，我想得到Lucene在索引过程中通常计算的范数，据我所知。但是，如果不可能，我会使用长度作为代理，并使用我自己的标准1/sqrt（长度）。非常感谢您的回复！嗯，这可能是一种方式，我已经想过了，但我想我可能错过了一些东西。我的意思是，Lucene并没有一个真正稳定的API，他们在不断地改变几乎所有的东西，但我对他们为什么要删除以前提供的功能感到困惑。迭代这些术语并乘以它们的频率将是plan z，但确实，这是一种方法。但是，我认为Lucene可能会将此值存储在我也可以访问的某个位置。他们对其进行了很多更改，是的：）是的，正如我所说，Lucene将规范存储在磁盘上的.nvm文件中，因此您可能可以手动读取并解码，但这并不是Lucene API的方式，这是真的！我的意思是，我也可以在Lucene中找到读取nvm文件的代码，然后手动再次执行，但这真的很奇怪，不是吗？我想你的第二种方法将是更好（更容易，可能更快）获取这些信息的方法。顺便说一下，size（）只对每个标记计数一次，因此不会返回此字段的完整长度。