Lucene 如何获取文档中多词短语的术语频率？

我能够在Lucene中获得文档的单字术语频率。我如何做同样的事情，但对于一个多词短语的自定义列表？例如：假设我在文档中有以下文本：

The quick brown fox jumps over the lazy dog.
The quick onyx goblin jumps over the lazy dwarf.

术语频率向量将显示：

Word       Frequency
----       ---------
the        4
quick      2
brown      1
onyx       1
fox        1
goblin     1
jumps      2
over       2
lazy       2
dog        1
dwarf      1

---

但是如果我想数一数“快速”这个短语的例子呢？在这种情况下，将有2个匹配项。

我打赌您使用的是简单分析链。您可以将（使用

minShingleSize=2

和

maxShingleSize=2

）附加到令牌筛选器列表中，以便令牌流的输出如下所示：

敏捷的

->

敏捷的棕色

->

棕色的狐狸

->

狐狸跳跃

->

跳过

->

懒狗

因此，您将把问题简化为已解决的问题