solr - 哪些词在索引字段中最常见？

Question

我如何在 Solr 中查询最常见的索引词？例如，给定每个文档的这些字段：

• 有一位女士确信所有的闪光都是金色的。
• 黄金比白银更值钱。
• 这位女士戴着金手镯。

我希望 Solr 以任何格式返回给我以下输出：

• 金 (3)
• 女士 (2)
• (2) // 作为停用词，这并不是必需的
• ...

谢谢。

Answer 1

使用卢克请求处理程序

http://wiki.apache.org/solr/LukeRequestHandler

例子：

http://localhost:8983/solr/admin/luke?fl=Your_Indexed_Field&numTerms=500

Answer 2

条款组件似乎非常适合这项任务。这是一篇关于自我更新 Solr 停用词的文章，它使用术语组件查找 1000 个最常见的索引词并将它们添加到停用词文件中。

查找 1000 个索引关键字（按频率降序排序）：

http://url.to.solr/solr/terms?terms.fl=MY_FIELD&terms.limit=1000

Answer 3

据我所知，这并不完全是 Solr 的用例，但可以通过 faceting 来完成。但是不能保证性能。确保您的字段设置为正确标记，然后像往常一样运行查询，但最后使用以下附加参数：

&facet=true&facet.field=yourfield

替换yourfield为您存储数据的字段的名称。