获取 Galago 中的词汇表答案

【问题标题】：Get vocabulary list in Galago获取 Galago 中的词汇表
【发布时间】：2016-02-20 13:55:06
【问题描述】：

我正在使用 Galago 检索工具包（Lemur 项目的一部分），我需要一个集合中所有词汇术语的列表（所有唯一术语）。实际上我需要一个List <String> 或Set <String> 非常感谢让我知道如何获得这样的列表？

【问题讨论】：

标签： search-engine information-retrieval lemur

【解决方案1】：

“DumpKeysFn”类似乎给出了集合的所有键（唯一项）。代码应该是这样的：

public static Set <String> getAllVocabularyTerms (String fileName) throws IOException{
    Set <String> result = new HashSet<> ();
    IndexPartReader reader = DiskIndex.openIndexPart(fileName);
    if (reader.getManifest().get("emptyIndexFile", false)) {
        // do something!
    }

    KeyIterator iterator = reader.getIterator();
    while (!iterator.isDone()) {
      result.add(iterator.getKeyString());
      iterator.nextKey();
    }
    reader.close();
    return result;
}

【讨论】：

我只想添加它来使用它，如果您想要词干化的术语，您可能传递的文件名是“postings.krovetz”，或者如果您想要未统计的术语，则可能是“postings”。典型的 Java 反馈：使用 try-with-resources 块而不是显式关闭调用。