停用 Java 停用詞 – 使用 GroupDocs 將文件加入索引

在本教學中，您將學會在使用 GroupDocs.Search for Java 時 disable stop words java，同時將檔案加入可搜尋的索引。關閉內建的停用詞過濾器後，所有詞彙——包括「on」、「by」或「the」等常見詞——都會被索引，這對法律合約、電子商務目錄或技術手冊等專業領域的結果相關性提升極大。

快速解答

  • “將文件加入索引”是什麼意思？ 這表示將您的來源檔案載入可搜尋的索引，以便能有效地查詢。
  • 為什麼要停用停用詞？ 為了在搜尋時納入常見詞彙（例如 “on”、 “the”），當這些詞在您的領域中具有意義時。
  • 需要哪個版本的函式庫？ GroupDocs.Search for Java 25.4 或更新版本。
  • 我需要授權嗎？ 免費試用可用於評估；正式環境需購買永久授權。
  • 可以在 Maven 專案中使用嗎？ 可以，只需在下方加入倉庫與相依性設定。

搜尋中的停用詞是什麼，為什麼可能想要停用它們？

停用詞是高頻率的詞彙，許多搜尋引擎會自動過濾它們以加快查詢處理。停用它們可確保 每個詞——包括傳統上被忽略的詞——都會貢獻至搜尋索引，當這些詞在特定領域具有意義時尤為重要。例如，在法律合約中，「by」可用來區分當事人；在產品目錄中，「on」可能是型號名稱的一部份。

在 GroupDocs.Search 中，將文件加入索引的運作方式是什麼？

當您加入文件時，GroupDocs.Search 會讀取每個檔案，將內容切分為詞彙，並將這些詞彙儲存在優化的倒排索引中。即使是包含 數十萬檔案 的集合，也能在次秒內完成檢索。此函式庫亦支援增量更新，讓您無需重新建構索引即可保持索引最新。

先決條件

  • 必需的函式庫：GroupDocs.Search for Java 25.4（或更新版本）。
  • 開發環境：IntelliJ IDEA、Eclipse，或您偏好的任何 Java IDE。
  • 基本知識：熟悉 Java 語法與索引概念。

設定 GroupDocs.Search for Java

Maven 安裝

如果您使用 Maven，請在 pom.xml 中加入以下內容：

<repositories>
    <repository>
        <id>repository.groupdocs.com</id>
        <name>GroupDocs Repository</name>
        <url>https://releases.groupdocs.com/search/java/</url>
    </repository>
</repositories>

<dependencies>
    <dependency>
        <groupId>com.groupdocs</groupId>
        <artifactId>groupdocs-search</artifactId>
        <version>25.4</version>
    </dependency>
</dependencies>

直接下載

或者，從 GroupDocs.Search for Java releases 下載最新版本。

取得授權步驟

  • 免費試用 – 立即開始測試。
  • 臨時授權 – 取得時間限制的金鑰以獲得完整功能。
  • 購買 – 取得永久授權以供正式使用。

基本初始化與設定

IndexSettings 是一個設定類別，用於定義索引的建構方式、搜尋方式以及啟用的功能。

建立 IndexSettings 的實例以控制索引的行為：

import com.groupdocs.search.IndexSettings;

// Create an instance of IndexSettings
IndexSettings settings = new IndexSettings();

如何在搜尋中停用停用詞（Java）？

IndexSettings 是控制搜尋索引行為的設定物件。預設情況下會啟用內建的停用詞過濾器。若要關閉此過濾器，只需在 IndexSettings 實例上呼叫 setUseStopWords(false) 方法。這一呼叫即可停用停用詞移除，確保每個詞彙——包括像 “on” 或 “the” 這類常見詞——都會被索引並可供查詢。

如何將文件加入索引

將文件加入索引的方式是先建立帶有所需 IndexSettings 的 Index 物件，然後對每個檔案或資料夾呼叫其 add 方法。函式庫會讀取每份文件，將內容切分為詞彙，並將產生的詞彙儲存於倒排索引中，立即可供搜尋。您可以將索引指向特定的輸出目錄，並指定包含待索引檔案的來源資料夾。

定義輸出目錄

// Disable the use of stop words
tsettings.setUseStopWords(false);

指定文件目錄

import com.groupdocs.search.Index;

// Define the path to the output directory for indexing
String indexFolder = "YOUR_OUTPUT_DIRECTORY\\IndexingWithStopWords";

// Create an index at the specified location with the configured settings
Index index = new Index(indexFolder, settings);

執行搜尋查詢

// Define the path to your document directory
String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";

// Add all documents in the specified folder to the index
index.add(documentsFolder);

由於已啟用 disable stop words java，包含詞彙 “on” 的查詢將被評估，返回原本會被預設過濾器忽略的匹配結果。

實務應用

  1. 企業文件搜尋 – 保留預設停用詞清單會剔除的關鍵術語。
  2. 電商平台 – 透過索引描述、型號與規格中的每個詞彙，提高產品可發現性。
  3. 法律研究工具 – 捕捉每個法律術語，即使是常被視為停用詞的詞彙，也能避免遺漏關鍵條款。

效能考量

  • 最佳化建議：定期更新與修剪索引，以保持高搜尋速度。GroupDocs.Search 可處理 高達 100 萬文件，仍能維持次秒查詢時間。
  • 資源使用：監控 JVM 堆積大小；大型索引可能需要 4 GB 或更高的最大堆積 (-Xmx)。
  • Java 記憶體管理：對於極大規模的語料庫，使用堆外儲存選項，以將堆內佔用維持在 2 GB 以下。

常見問題與解決方案

症狀可能原因解決方式
常見詞無搜尋結果setUseStopWords(true)（預設）如上所示，呼叫 setUseStopWords(false)。
索引期間記憶體不足錯誤一次索引過多大型檔案分批索引檔案；增加 -Xmx JVM 參數。
搜尋返回過時資料新增檔案後未刷新索引呼叫 index.update() 或重新加入變更的文件。

常見問答

Q: 什麼是停用詞？
A: 停用詞是常見的詞彙（例如 “the”、 “is”、 “on”），許多搜尋引擎會忽略它們以加快查詢速度。停用它們即可將每個詞彙視為可搜尋的。

Q: 為什麼要在搜尋索引中停用停用詞？
A: 當需要精確片語匹配時——例如在法律或技術文件中——每個詞都有意義，因此必須包含停用詞。

Q: GroupDocs.Search 如何處理大型資料集？
A: 此函式庫使用優化的資料結構與增量索引，即使面對 數百萬文件，也能保持低記憶體使用量。

Q: 我可以將 GroupDocs.Search 整合到其他 Java 應用程式嗎？
A: 可以，API 設計為易於嵌入任何基於 Java 的系統，從 Web 服務到桌面應用程式皆可。

Q: 如果搜尋結果不精確，我該怎麼辦？
A: 確認索引已包含所有必要的檔案（add documents to index），在需要時確保已停用停用詞過濾，並在重大變更後考慮重新建構索引。

其他資源

透過本指南，您現在已了解如何 add documents to index 與 disable stop words java，以在 Java 應用程式中提供更精確的搜尋結果。

最後更新： 2026-07-07
測試環境： GroupDocs.Search for Java 25.4
作者： GroupDocs

import com.groupdocs.search.results.SearchResult;

// Define your search query
tString query = "on";

// Perform the search operation using the index and the specified query
SearchResult result = index.search(query);

相關教學