从Lucene索引中提取搭配词

Question

我有一个存储在Lucene中的文档索引。我需要从索引中提取所有搭配词及其频率。我知道有各种算法可以检测给定文档中的搭配，但我不知道有什么现成的库可以专门用Lucene来完成这项任务。有谁知道图书馆吗？

我知道如何从lucene索引中仅提取二元语法，但并不是所有的二元语法都是搭配词。

Answer 1

如果使用Shingles，它将生成所有n元语法。然后，使用facets将这些ngram返回给counts？或者来自管理部分的术语分析。