将Lucene用作倒排索引

Question

Lucene具有很强的增量索引能力。这通常是从头开始开发IR系统时的痛苦。我想知道我是否可以使用低级Lucene API将其仅用作倒排索引，即存储倒排列表、位置信息、词频、idfs、字段存储等。

底线是，我想实现我自己的权重和文档评分。我知道Similarity类，但它不能提供我想要的灵活性。

Answer 1

当然，您可以创建自己的查询类，以及自己的评分器等。唯一可能遇到的问题是，如果您需要全局数据。(例如，在tf/idf中，您需要知道术语频率和逆文档频率。)如果您的评分算法需要其他一些跨文档或跨术语的元数据，那么您可能会遇到麻烦，因为据我所知，没有一种很好的方法来存储这些元数据。

但基本上，只要你的算法是模糊的tf/idf或只适用于每个文档，我认为你应该没问题。