Lucene学习总结

索引的建立

1、需要建立索引的文件（Document）......被建立的对象。

2、将原文当传给分词组件（Tokenizer）（将文档分成一个一个单独的单词、去掉标点符号、去掉停词）

经过分词（Tokenizer）后得到的结果称为词元（Token）

3、将得到的词元（Token）传给语言处理组件（Stemming和Lemmatization）语言处理组件的结果称为词（Term）

4、将得到的词（Term）传给索引组件（Indexer）

搜索

1、用户输入查询语句

2、对查询语句进行词法分析、语法分析、及语言处理

找出词（Term）对文档的重要性的过程称为计算词的权重（Term weight）的过程