SOLR：从原始文本创建术语向量（例如从TermVectorComponent返回的数据）

Question

使用http://wiki.apache.org/solr/TermVectorComponent，我可以为存储在索引中的任何文档获取索引术语及其频率。如何在不将文本存储在索引中的情况下获得与文本相同的信息？我只希望SOLR处理文本并返回信息，而不必将文档存储在索引中。

Answer 1

AFAIK 如果不在 SOLR 中存储数据，这是不可能的。

如果您想要进行文本分析（我知道这比您要求的更广泛），我会推荐以下替代方案：

1. MAUI - 提取关键短语和术语。
2. Gensim - 进行主题建模
3. Kea - 关键词提取

我还遇到过一些进行术语频率分析的 python 脚本。看看Mincemeat，特别是它进行词频计算的示例。