【发布时间】：2012-11-19 17:16:10
【问题描述】：
我有非常大的 solr 索引。我想用更能代表该文档的术语标记所有文档，例如this。这种聚类结果是否也属于文档标记？
哪种方法更好，索引时间文档标记或查询时间文档标记，如胡萝卜2？
【问题讨论】：
标签： solr search-engine data-mining carrot2
【发布时间】：2012-11-19 17:16:10
【问题描述】：
查询时间有一个明显的缺点，那就是这会使查询更加昂贵。
但是，查询时的聚类结果应该更好，因为那时已经看到了更多的信息并且可以合并用户反馈。
请注意，从技术上讲，这可能比聚类分析更频繁模式挖掘。
也许您应该在整个数据集上尝试这种频繁模式挖掘的变体。您甚至可能不需要存储以哪种方式标记的文档 - solr 引擎应该已经优化，以便在需要时再次检索它们。
【讨论】：
-
谢谢 Anony-Mousse，再澄清一件事。你想说文档标记（无论是索引时间还是查询时间）与文档聚类的目的相同吗？
-
通常，标记是一种用户生成的多分类（查找folksonomy）。真正的聚类要微妙得多，它有助于发现人类可能错过的结构；但这对用户可能有用也可能没用。
我从您的问题中了解到，您想知道如何使用 solr 实现类似于carrot2 faceting 的东西。
IMO，您可以将 多值字段 tag 添加到您的文档（请参阅此 Stack Overflow Question 以获取示例）以及该文档的集群名称，然后构建 facets 使用 Solr wiki here 和 here 中解释的该字段。
【讨论】：
-
谢谢托尼，一个问题是，这将只检索该字段中的单个顶级术语，还是短语也会出现？