Solr 中的术语向量答案

【问题标题】：Term vectors in SolrSolr 中的术语向量
【发布时间】：2017-10-04 07:42:36
【问题描述】：

我正在尝试使用 MoreLikeThis Solr 的功能来查找基于其他文档的类似文档，但我不太明白其中一些功能是如何工作的。

正如here 所说，当存储termVectors 时，MoreLikeThis 组件效果最佳。我的困惑来了。

我在 Solr 的 schema.xml 文件中的一个字段（假设该字段包含电影评论文本）上启用标志 termVectors 就足够了吗？它会在插入给定字段后让 Solr 计算给定字段的 termVectors，将其存储，然后在后续调用 MoreLikeThis 处理程序时使用计算出的 termVectors？

【问题讨论】：

标签： solr lucene morelikethis

【解决方案1】：

简短的回答是否定的，您需要在这样的架构更改后重新索引。启用术语向量，将加快从原始输入文档中查找感兴趣术语的过程（如果该文档在索引中）。第二阶段计时（当更多类似此查询发生时）将保持不变。有关 MLT 工作原理的更多信息 [1]。

一般来说，当对架构应用此类更改时，您需要重新索引您的文档以使 Solr 构建相关的数据结构（术语向量是每个文档的迷你索引，并且需要将特定文件存储在磁盘上[2] 注：这将增加您的磁盘利用率）

[1]https://www.slideshare.net/AlessandroBenedetti/advanced-document-similarity-with-apache-lucene

[2]https://lucene.apache.org/core/6_6_0/core/org/apache/lucene/codecs/lucene50/Lucene50TermVectorsFormat.html

【讨论】：

我实际上还没有架构，也没有索引的文档集。我的 Solr 核心现在是空白的，我才刚刚开始。所以，如果我理解得很好 - Solr 会在索引每个文档时自动为每个文档构建术语向量，对吧？
确实，在架构中配置后，Solr 会在索引时负责并构建数据结构。 MLT 将自动使用这些结构（MLT 代码在内部对索引文件进行检查，如果找到正在评估的字段的术语向量，它将自动使用它们）
太好了，这是个好消息。我实际上还有一个问题，因为我看到您对该主题有很好的理解。在执行 MLT 时，我希望它只考虑索引文档的有限子集，例如：我有 150 000 个文档的索引，架构由 id、标题、内容和发布日期组成。现在，我想对任意输入文档执行 MLT 查询，但我希望查询仅考虑发布日期在 02-01-2014 和 02-04-2014 之间的文档。似乎mlt.qf 是它的解决方案，对吗？
这是我找到的文档的链接lucene.apache.org/solr/guide/6_6/…
好的，为此我建议使用 MLT 查询解析器。为此，您需要遵循以下语法：lucene.apache.org/solr/guide/6_6/… 然后您可以添加到查询参数 fq，例如您提到的那个。这基本上可以让您控制更多这样构建的查询，添加您喜欢的部分（例如附加过滤器）