6

我们有一个在线商店，我们使用 Solr 搜索产品。基本设置工作正常，但目前缺少一些功能。我查找了一些像亚马逊这样的在线商店，我喜欢他们提供的功能。所以我想，我如何配置 Solr 来为我们的最终用户提供一些功能。

我们的产品数据包含产品的标准数据，例如

  • 产品名称
  • 描述
  • 一个产品属于多个类别和子类别
  • 一个产品可以有多种变体可供选择，例如红色、蓝色、绿色、S、M、L、XL...的 T 恤或 16GB、32GB 的 iPad...
  • 产品有品牌
  • 产品有零售商

目前，我们正在使用这个模式文件来索引 Solr 并执行查询：

<fieldType name="text" class="solr.TextField" omitNorms="false">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.WordDelimiterFilterFactory" catenateWords="1" catenateAll="1" preserveOriginal="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="15"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.WordDelimiterFilterFactory" catenateWords="1" catenateAll="1" preserveOriginal="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.PhoneticFilterFactory" encoder="DoubleMetaphone" inject="true"/>
  </analyzer>
</fieldType>
  • EdgeNGramFilterFactory索引一个词shirt到sh, shi, shir,shirt
  • WordDelimiterFilterFactory将单词分解wi-fi成wi, fi,wifi
  • PorterStemFilterFactory适用于词干
  • PhoneticFilterFactory提供了一种模糊搜索

一个问题是，模糊搜索效果不佳。如果我搜索这本书Inferno并将其拼错为Infenro，则搜索不会返回任何结果。我已经阅读了SpellCheckComponent（http://wiki.apache.org/solr/SpellCheckComponent），但我不确定这是否是进行模糊搜索的最佳方式，还是您的意思是？ 特征。

第二个问题是，应该可以搜索Shirts red以找到红色 T 恤（其中红色是选项类型颜色的选项值）或搜索woman shoesor adidas shoes woman。Solr可以做到这一点吗？

第三个问题是，我不确定其中的哪个标记器和过滤器schema.xml是实现这些功能的好选择。

我希望有人在 solr 中使用了这些功能，并且可以在这种情况下帮助我。谢谢！

编辑

这是我们存储在 Solr 中的一些数据：

<doc>
  <str name="id">572</str>
  <arr name="taxons">
    <str>cat1</str>
    <str>cat1/cat2</str>
    <str>cat1/cat2/cat3</str>
    <str>cat1/cat4</str>
  </arr>
  <arr name="options">
    <str>color_blue</str>
    <str>color_red</str>
    <str>size_39</str>
    <str>size_40</str>
  </arr>
  <int name="count_on_hand">321</int>
  <arr name="name_text">
    <str>Riddle-Shirt Tech</str>
  </arr>
  <arr name="description_text">
    <str>The Riddle Shirt Tech Men's Hoodie features signature details, along with ultra-lightweight fleece for optimum warmth.</str>
  </arr>
  <arr name="brand_text">
    <str>Riddle</str>
  </arr>
  <arr name="retailer_text">
    <str>Supershop</str>
  </arr>
</doc>

我不确定options键值对是否以正确的方式存储，但这是我想出的第一种方法。

4

1 回答 1

12

免责声明：

我对架构做了一些假设，因此请使用示例架构和数据检查要点 - https://gist.github.com/rchukh/7385672#file-19854599

例如，对于分类单元，我使用了带有PathHierarchyTokenizerFactory的特殊文本字段

第一个问题（模糊搜索）：

为什么Inferno不匹配的问题Infenro是因为它不是拼音错误。光过滤器不适用于这种匹配。

如果您对一些细节感兴趣 - 这是一篇关于 lucene/solr 支持的算法的非常好的文章：http: //ntz-develop.blogspot.com/2011/03/phonetic-algorithms.html

您可能会对SpellCheck Collat​​e功能感兴趣

http://wiki.apache.org/solr/SpellCheckComponent#spellcheck.collat​​e

来自维基：

排序规则是原始查询字符串，其中替换了每个术语的最佳建议。如果 spellcheck.collat​​e 为真，Solr 将为每个标记（如果存在）采用最佳建议，并根据建议构造一个新查询。例如，如果输入查询是“jawa class lording”，“jawa”的最佳建议是“java”，“lording”是“loading”，那么结果排序规则将是“java class loading”。

您还可以利用基于距离算法的模糊搜索功能（但据我了解，它对短语搜索更有用，例如邻近搜索）。这是来自 solr wiki 的示例：

roam~

This search will match terms like foam and roams. It will also match the word "roam" itself.

所以Infenro~查询应该Inferno在索引中匹配......但我的赌注是使用“类似谷歌”的方法：

谷歌拼写错误

也就是说 - 通知用户以下结果是正确的拼写，但也允许他使用错误的拼写（碰巧，有时用户可能是正确的，而机器可能是错误的）。

第二个问题

这个问题可以用 edismax 解决，例如，如果你想通过 name_text AND 选项搜索：

q=shirt%20AND%20red&defType=edismax&qf=name_text%20options

在这里你可以看到这个查询的解释计划 - http://explain.solr.pl/explains/w1qb7zie

将选项存储为带分隔符的多值字段的问题是搜索查询将开始匹配键，例如“颜色”。

例如 - 以下请求：

q=shirt%20AND%20color&defType=edismax&qf=name_text%20options

将匹配所有具有“颜色”选项的衬衫 - http://explain.solr.pl/explains/pn6fbpfq

第三个问题

我对在词干分析器之后使用任何 FilterFactory 有一些疑问，但目前无法提供一些有意义的信息。

于 2013-11-09T14:26:53.480 回答