MarkLogic - 改进查询答案

【问题标题】：MarkLogic - Improving queryMarkLogic - 改进查询
【发布时间】：2017-01-26 01:30:33
【问题描述】：

作为后续问题：MarkLogic - getting distinct values

我有一个这样的文档结构：

<document>
<question_item>
  <question>What is your name?</question>
  <answer>Barney Rubble</answer>
</question_item>
<question_item>
  <question>What is your address?</question>
  <answer>Bedrock</answer>
</question_item>
...
</document>

感谢收到关于另一个问题的回答，我现在可以按频率顺序列出所有不同的问题：

 for $v in cts:element-values(xs:QName('question'), (), (),
    cts:element-word-query(xs:QName('question'), 'name'))
 where cts:contains($v, cts:word-query('name'))
 order by cts:frequency($v)
 return concat($v,concat("-",cts:frequency($v)))

我希望能够在每个不同的问题中包含最常见的 x 个答案及其数量，例如Barney Rubble (100)、Fred Flintstone (59) 等

有没有办法合理有效地做到这一点？我知道另一种选择是将文档格式更改为每个 question_item 有一个文档，但如果可能的话，我希望暂时避免这种情况。

非常感谢任何帮助。谢谢！

【问题讨论】：

Robert，如果您不需要扩展，这些功能很简单。关于您的体重秤的一些想法可以帮助我们回答这个问题。你大概有多少份文件？多少个节点？大约有多少会匹配原始查询？大约有多少会匹配第二个查询（“x 最常见的答案”）？您是否需要仅针对 gui 中可见的最热门匹配项显示第二个查询的答案？

标签： marklogic

【解决方案1】：

关键是为这种类型的分面利用单个范围索引。但是，当前模型需要过滤 - 使其无法实现您的目标。

以下是一些供您探索的选项。如果我不能改变我的模型，那么我可能会选择 1.1

选项 1)
为了回答这个问题，我可能考虑过对数据进行不同的建模（每个问题在单个文档中对不同问题的所有答案。然后使用单个范围索引，我可以通过将其视为一个方面来获得结果。（给出结果你想要通过内存索引。

选项 1.1)
您还可以保持数据原样，并在创建调查后仍创建这些面向方面的表格。非规范化数据在用于降低代码复杂性或提高性能等目的时还不错。

选项 2)
保留数据原样并在 question-item 元素上添加片段根。然后，这允许 MarkLogic 分别处理每个较小的 XML 片段。如果您在问题上添加一个范围索引，在答案上添加另一个索引，那么您可以快速迭代所有问题并获得您想要的分面答案。这将导致系统中的小片段数量爆炸式增长（每个答案一个）。这是一个可行的解决方案，但如果我可以重新建模数据，我会避免使用它。

选项 3)
如果您的问题数量有限，那么您还可以：添加标识符以识别唯一问题：

   <question_item question-key="q1">
     <question>What is your address?</question>
     <answer>Bedrock</answer>
   </question_item>

然后对于每个问题，在路径上添加一个路径范围索引，例如：

//question-item[@question-key="q1"]/answer
//question-item[@question-key="q2"]/answer
...
//question-item[@question-key="qn"]/answer

然后，您可以针对每个答案应用分面方法。但正如您所看到的 - 如果问题的数量超过几个，这将变得很麻烦 - 近乎愚蠢。

【讨论】：

【解决方案2】：

只是为了详细说明大卫恩尼斯的答案，最终，如果您希望能够进行索引内“连接”，您可以根据另一个查询的结果查询答案，那么只有一个问题会更简单+ 每个文档/片段的答案。

使用您当前的架构并给定一组问题值，如果您索引答案，您将从索引中获得的过滤级别将停止在您的文档/片段的粒度。因此，您只能列出“包含等于提供值的问题的任何文档中的每个答案”。然后，由于您的下一个过滤步骤是基于答案所属的问题，因此您被卡住了，因为您只有没有上下文的答案字符串。

如果没有片段根或重构 XML，解决方案将涉及 1) 获取与问题列表匹配的每个文档，2) 从文档中过滤掉误报问题，以及 3) 计算答案。如果您希望第 1 步只返回少量文档，那么性能可能会很好。否则，您可能会看到 IO 抖动，其中数据未缓存并且必须从磁盘中检索。

【讨论】：