使用带有 Solr 分面搜索的词干字段显示人类可读的最常见的索引词答案

【问题标题】：Showing human readable most frequent indexed terms using a stemmed field with Solr faceted search使用带有 Solr 分面搜索的词干字段显示人类可读的最常见的索引词
【发布时间】：2012-03-28 23:40:57
【问题描述】：

我们计划使用 Solr 向用户显示某个字段中“n”个最常用的术语，我们希望应用词干提取以便对相似的术语进行分组。

现在，我们需要向用户展示这些术语，但词干并不总是人类可读的。有什么方法可以获取原始术语的示例，以便将其显示给用户？

我们能想到的唯一解决方案是查询两个不同的字段，一个带有词干提取，一个没有，然后自己进行匹配。但是我们认为这会很昂贵（两个查询）并且可能容易出错（匹配可能会产生错误）。

还有其他方法可以在 Solr 上实现吗？提前致谢。

【问题讨论】：

标签： solr highlighting faceted-search

【解决方案1】：

在查询时和索引时都应用了词干提取，所以我认为没有一种简单的方法可以完成您想要做的事情。但是，根据数据库中结果的数量，可以通过结合使用刻面和突出显示来做到这一点。突出显示的词将是整个匹配词，而不是词干词（例如，词干可能是“associ”，但突出显示的词将是“关联”、“关联”、“关联”等）。也许您可以做以下事情：

?q=keyword&facet=true&facet.field=myfield&&facet.limit=20hl=true&hl.fl=myfield&hl.fragsize=0&rows=10

获取 10 行并检查突出显示的结果（默认情况下，这些结果使用 <em> </em> 标记突出显示，但您可以使用 hl.simple.pre 和 hl.simple.post 更改此设置 - 例如，使用 &hl.simple.pre=[&hl.simple.post=] 将将匹配项括在方括号中）至少应给出“原始”匹配项的样本。 hl.fragsize=0 返回整个字段并突出显示。

希望这会有所帮助。您可以在此处阅读有关突出显示参数的更多信息： http://wiki.apache.org/solr/HighlightingParameters

【讨论】：

再次感谢 David 的现场快速解答。但为什么这个解决方案依赖于我数据库中的结果数量？
只是因为它会获得匹配术语的样本，而不一定是全部。突出显示将仅返回与查询相关的匹配项（包括返回的行数）。因此，如果您的 Solr 核心中有很多记录，那么您可能甚至很可能无法使用此方法检索所有匹配项。您可以尝试返回所有行，但对于表面上非常简单的任务而言，这将是大量数据。我希望我能很好地解释自己。
完美。非常感谢您的时间、经验和善意。
感谢您提出的精彩问题！你真的让我想到了这个。
@DavidFaber 同样的原因我也在这里！