我想为 RDF 节点创建一个 Lucene 分析器。 RDF 节点可以有多种类型（uri、bnode、普通文字、带有语言的普通文字、带有数据类型的类型文字）。在分析术语时，我想创建一个 RDFNodeTypeAttribute、LanguageAttribute 和 DatatypeAttribute 来分别存储 RDF 节点的类型、文字的语言和数据类型属性。我的问题是如何将这些属性存储在 lucene 索引中。我必须编写自定义编解码器吗？我必须使用 PayloadAttribute 吗？一旦存储在索引中，我如何利用这些属性进行搜索？ 谢谢你的帮助
【问题讨论】：
标签： lucene
我无法完全满足您的要求，但如果您对 Lucene 索引的编码和解码方式不满意，您可以使用 Codecs。编解码器让您可以灵活地拥有自己的 PostingsFormat、SegmentInfosFormat、LiveDocsFormat 等。所以让我们说，您想要一个与默认 Lucence 编解码器不同的 postsFormat - 这更像是每个术语，存储它出现的所有 docId，它出现的次数以特定格式出现在文档中，在什么位置等。如果您希望此信息以不同的格式存储，则需要编解码器。
我认为您不需要为此编写任何 Codec 或任何 PostingFormat。也许编写自己的分析器和相似性类就足够了。如果您提供有关您的问题的更多信息，我可以进一步考虑。
有效负载处于术语级别，典型用例是存储每个术语的元数据。因此，像这样的用例：这个术语是用粗体写的，或者是一个名词等，是该术语的元数据，应该存储在有效负载中。您实际上使用有效载荷来对文档进行评分，它们对于赋予术语一些权重很重要。
虽然 RDF 是 Web 资源的元数据，但您可能正在谈论对 RDF 本身进行索引。即使它是 Web 文档的一部分，您也在编制索引，将每个术语的 RDF 信息放在 Web 文档中也不是一种可行的方法，因为有比这更好的方法来为文档分配权重。
【讨论】：