按词组的一部分搜索最常用的词组

Question

我没有琐碎的任务，想了解 Sphinx 或 Solr 是否是解决它的正确工具。简化示例：我的网站上有搜索字段，用于按产品描述进行搜索。以及 mysql db 中的下一个描述：

Id  Desc
1   this is my test document number one. also checking search within phrases.
2   this is my test document number two
3   this is another group
4   this is first group
5   this is first test
6   this is your test

当用户在搜索字段中输入一些文本时。 “是”他应该得到下一个结果（包含“是”的前三个短语）： “这是”、“是我的”、“是第一个”。

有人知道如何做到这一点吗？也许你现在有更好的搜索引擎可以满足我的需求？

<fieldType class="solr.TextField" name="text_auto">
<analyzer type="index"> 
    <tokenizer class="solr.StandardTokenizerFactory"/> 
    <filter class="solr.LowerCaseFilterFactory"/> 
    <filter class="solr.ShingleFilterFactory" maxShingleSize="4" outputUnigrams="true" outputUnigramsIfNoShingles="false" /> 
</analyzer> 
<analyzer type="query"> 
    <tokenizer class="solr.StandardTokenizerFactory"/> 
    <filter class="solr.LowerCaseFilterFactory"/> 
    <filter class="solr.StandardFilterFactory"/> 
    <filter class="solr.RemoveDuplicatesTokenFilterFactory"/> 
</analyzer>
</fieldType>

<field name="title" type="text_auto" indexed="true" stored="true"/> 
<field name="content_autosuggest" type="text_auto" indexed="true" stored="true" multiValued="false"/>

<copyField source="title" dest="content_autosuggest"/>

Answer 1

您可以尝试使用ShingleFilter。如 wiki 上的示例所示，如果您将 maxShingleSize 和 mixShingleSize 都设置为 2，您会得到：

this is my test document => this is, is my, my test, test document

（如果需要，请确保在 shingle 过滤器之前使用适当的标记器和其他分析器。）

然后你可以在这个字段上做这样的正则表达式搜索：

shingle_field:/(is .*)|(.* is)/

应该返回所有文件。 （我相信这应该可行，因为 wiki 声明：它将令牌组合创建为单个令牌。）

使用facet query 获取计数：

shingle_field:/(is .*)|(.* is)/&facet=true&facet.field=shingle_field

（添加rows=0，如果您不关心文档并且只需要方面。）