5

使用http://wiki.apache.org/solr/TermVectorComponent，我可以获得存储在我的索引中的任何文档的索引术语及其频率。如何在不将文本存储在索引中的情况下获得相同的文本信息？我只希望 SOLR 处理文本并返回信息，但不必将文档存储在我的索引中。

4

4 回答 4

1

几年前，我用 Java 编写了一个基于 Lucene 进行大量文本分析的应用程序。我必须自定义编写搜索功能来查找彼此相距一定距离内的单词。您可以将文本文档导入软件并让它计算术语频率，或者您可以获取代码并根据您的需要定制它。

免费下载： http: //www.minoesoftware.com/download.php

来源： https ://github.com/danspiteri/MINOE/blob/master/src/minoe/SearchFiles.java

于 2013-08-23T23:16:01.530 回答
1

如果您使用 Solr4 并且不存储文本，则可以在文本字段上使用Solr 轴。但是，显然你会在分析器处理后得到术语：

http://192.168.0.202:8080/solr/fr_00_0425_sem/select?q=renault&wt=xml&facet=true&facet.pivot=uniqueKey,yourText

这是一个相当繁重的查询，我希望您没有太多匹配的文档......

于 2013-08-24T04:53:08.850 回答
1

AFAIK 如果不将数据存储在 SOLR 中，这是不可能的。

如果您正在寻找进行文本分析（我知道这比您要求的更广泛），我会推荐以下替代方案：

  1. MAUI - 进行关键词和术语提取。
  2. Gensim - 做主题建模
  3. Kea - 关键字提取

我还遇到了一些进行词频分析的 python 脚本。看看Mincemeat，特别是这个例子，它进行词频计算。

于 2013-08-15T01:11:34.230 回答
1

根据您的要求，我得出结论，您实际上需要一个搜索库，而不是一个完整的搜索引擎（服务）。该库是Lucene。也许，这对初学者有帮助：How to extract Document Term Vector in Lucene 3.5.0。您可以将索引存储在 RAM 中以便计算必要的位，然后删除索引。

于 2013-08-20T19:29:55.783 回答