从页面字段中获取字数频率

Question

SOLR 报告所有文档中术语的术语出现。我在进行查询时遇到问题，该查询返回名为 documentPageId 的特定页面字段中出现的术语。

我不知道如何发出正确的 SOLR 查询，该查询返回一段文本的字数，例如字段的术语“放大器”。由于某种原因，它只会返回。

即使我在段落中不止一次看到该术语，我尝试过的事情也只会返回该术语出现 1 次的计数。

我尝试在“内容”字段上进行分面

http://localhost:8983/solr/select?indent=on&q=：&wt=standard&facet=on&facet.field=documentPageId&facet.query=amplifier&facet.sort=lex&facet.missing=on&facet.method=count

<lst name="facet_counts">
<lst name="facet_queries">
<int name="amplifier">21</int>
</lst>
<lst name="facet_fields">
<lst name="documentPageId">
<int name="49667.1">1</int>
<int name="49667.10">1</int>
<int name="49667.11">1</int>
<int name="49667.12">1</int>
<int name="49667.13">1</int>
<int name="49667.14">1</int>
<int name="49667.15">1</int>
<int>0</int>
</lst>
</lst>
<lst name="facet_dates"/>
<lst name="facet_ranges"/>
</lst>
</response>

在 schema.xml 中：

在 solrconfig.xml 中：

   <str name="facet.field">filewrapper</str>
   <str name="facet.field">caseNumber</str>
   <str name="facet.field">pageNumber</str>
   <str name="facet.field">documentId</str>
   <str name="facet.field">contents</str>
   <str name="facet.query">documentId</str>
   <str name="facet.query">caseNumber</str>
   <str name="facet.query">pageNumber</str>
  <str name="facet.field">documentPageId</str>
   <str name="facet.query">contents</str>

提前致谢，

Answer 1

您需要使用 TermVectorsComponent 来获取给定文档的词频。方面不会让您到达那里。

请在TermVectorCompoment阅读维基。

tv.tf 选项将根据每个文档返回给定字段的词频。确保您感兴趣的字段启用了 termVectors (termVectors="true")。

<field name="pageField" type="text" indexed="true" stored="true" termVectors="true" />

注意：启用术语向量会增加索引大小和索引所需的时间。所以要小心这一点，并在之前和之后进行基准测试。