如何按 Lucene.Net 字段排序并忽略“a”和“the”等常见停用词？答案

【问题标题】：How to sort by Lucene.Net field and ignore common stop words such as 'a' and 'the'?如何按 Lucene.Net 字段排序并忽略“a”和“the”等常见停用词？
【发布时间】：2010-09-09 03:00:17
【问题描述】：

我发现了如何按 Lucene.Net 索引中的给定字段而不是按分数对查询结果进行排序；所需要的只是一个已编入索引但未标记化的字段。但是，我无法弄清楚的是如何在忽略“a”和“the”等停用词的情况下对该字段进行排序，以便例如以下书名按升序排序：

戴帽子的猫
霍顿听到了谁

这样的事情有可能吗，如果有，怎么做？

我正在使用 Lucene.Net 2.3.1.2。

【问题讨论】：

标签： lucene lucene.net

【解决方案1】：

我将 Lucene 返回的结果包装到我自己的自定义对象集合中。然后我可以用额外的信息/上下文信息填充它（并使用诸如荧光笔类之类的东西来提取匹配项的 sn-p），并添加分页。如果您采用类似的路线，您可以创建一个“结果”类/对象，添加类似 SortBy 属性的内容并获取您想要排序的任何字段，删除所有停用词，然后将其保存在此属性中。现在只需根据该属性对集合进行排序。

【讨论】：

我认为必须这样做，是的。我确实使用 Lucene 结果创建了一个自定义对象的集合，所以它应该不会太难。谢谢。

【解决方案2】：

创建索引时，请创建一个仅包含您希望排序的词的字段，然后在检索时按该字段排序但显示完整标题。

【讨论】：

嗯，这就是诀窍，不是吗？据我了解，您不能按标记化字段进行排序，并且它是分析停用词和标点符号字段的标记化。那么如何去除这些停用词但保持字段未标记？
在您的代码中，去掉停用词。您必须维护自己的列表。

【解决方案3】：

自从我使用 Lucene 以来已经有一段时间了，但我的猜测是添加一个额外的字段来排序和存储其中的值，并且已经去除了停用词。您可能可以使用相同的分析器来生成此值。

【讨论】：

【解决方案4】：

似乎有一个 22 条规则，即您必须使用分析器对字段进行标记化以去除标点符号和停用词，但您不能对标记化的字段进行排序。那么如何在不分词的情况下去除停用词呢？

【讨论】：

不要依赖 Lucene 来剥离它们，自己动手吧。

【解决方案5】：

对于搜索，我发现search lucene .net index with sort option 链接很有趣，可以解决您的问题

【讨论】：