问题标签 [carrot2]

我对 Java 很陌生，需要从事一个需要使用开源软件的项目。我对理解那些 Java API 的文档感到非常困惑。作为一个例子，你能告诉我如何使用相关的java类，RemoteXmlSimpleSearchEngineBase，基于它的Java API。

请参考此链接 http://download.carrot2.org/stable/javadoc/org/carrot2/source/xml/RemoteXmlSimpleSearchEngineBase.html

我对这个推导过程很感兴趣，这样我就可以在阅读其API文档的基础上使用其他java类。谢谢。

据说自 Solr 3.2 发布以来，Carrot 与 Solr 的集成得到了改进，但对我来说却有所不同。我有一个配置完全相同的 Solr 1.4.1 服务器正在运行，Carrot 运行良好，而 Solr 3.2 只给了我“其他主题”。这让我发疯，因为除了我没有例外或任何不寻常的事情。甚至结果 xml 看起来都一样......

不过我并没有对集群组件的标准配置做太多改动：

我最好的猜测是胡萝卜没有与 edismax 一起正常工作（在 Solr 1.4.1 中没有实现），但这可能会产生误导。

我已经重新索引了我的数据，以确保这不是问题。

在胡萝卜工作台中，聚类与 Lingo 作为算法运行良好。当我选择“按来源”时，我得到了 xml 中的“其他主题”。Lingo可能没有配置好？除了 solrconfig.xml 之外必须配置任何东西来解决这个问题吗？

我很感激任何帮助。

我已经运行 Lucene/Solr 4 来测试不同的特性，也就是“集群”。目前，有 100 万份文档被索引。每个文档都有以下字段：

所有字段都被索引和存储，例如 TEXT，它只被索引，不被存储。我使用以下具体配置：

如果你看你看到的例子，主题是不同的，但日本是一样的。是否可以以这种方式配置 solr/carrot，example1 和 example2 将在一个集群中？因为匹配“日本”？！

此外，可能还有第三个主题，如“新闻/核能”，里面没有“日本”，但标题和文本使用的词是：日本发电厂。为了在一个集群中接收这 3 个消息，什么 solr/carrot 配置是相关的？

谢谢！

你好，

我正在研究使用 Solr 和 Carrot2 的搜索引擎。

一切都很好，但胡萝卜做了一件我无法理解的奇怪事情。我想从 Solr 获取结果并使用 Carrot 对它们进行聚类。我整合了所有东西，效果很好，但 Carrot 只集中在我的一个属性上。与结果匹配且没有其他属性的那个。喜欢：

数据

姓名：彼得镇：伦敦爱好：高尔夫、滑雪

姓名：亚瑟镇：柏林爱好：高尔夫、骑自行车

名称：巴黎小镇：伦敦爱好：高尔夫、远足

查询词语：高尔夫

集群如：滑雪自行车远足

..但不是伦敦。

这本身不会让我感到惊讶，但是当我使用 CarrotClusteringWorkbench 时，它确实会聚集在其他参数上。

起初我尝试将配置从工作台导出到 Solrconfig，但它没有任何改变。Solr 使用这些配置，但它们都没有改变这个问题。

任何人都可以帮助我或解释它吗？

当我尝试使用集群组件运行 Solr 时出现以下错误。

我已经使用了 apache-solr-clustering.3.2.0.jar

但看起来我缺少一些胡萝卜2 jar 文件。我找不到任何文件来表明我还缺少什么或我做错了什么。

请帮忙

我正在将 sunspot_rails gem 用于 Rails 应用程序。有没有办法将集群引擎carrot2 集成到rails 应用程序中？显然，carrot2 是太阳黑子的一部分，因为它在 solr 配置中被注释。但我想知道是否有人已经整合了它。

根据carrot2 FAQ，我们应该感谢项目用户使用Carrot2。

我可以在商业项目中使用 Carrot2 吗？是的。唯一的要求是您正确地承认 Carrot2 的使用（在项目的网站和文档上）并让我们知道您的项目。还请记住阅读许可证。

但是我们没有站点或文档，因为我们正在构建封闭的项目。在这种情况下，我们如何整合carrot2？

我正在为我的论文使用 Carrot2 工具，并在该工具上运行不同的算法。我的问题是，如何科学地比较不同算法的结果？我的意思是，我需要证明算法 1 的聚类结果优于算法 2 的结果。熵和纯度值对我有用吗，如果是，我该如何应用它们？

谢谢。

我正在使用carrot2 集群引擎（通过Java API），并且已经为我的数据库中的一些虚拟数据获得了集群。我想知道如何在控制台应用程序或 Web 应用程序中以人类可读的形式显示它？

目前，我的集群采用这种格式：

最终列表 Cluster_List=result.getClusters();

结果的类型为 "ProcessingResult" ，在 Carrot2 API 中定义。

如果我尝试使用一种天真的方法打印出 Cluster_List 的内容，我将得到对象的地址。请指导我设置一种显示集群内容的方法——标签、内容，如果可能的话——分数！

干杯! 阿内鲁德

我迷失在：Hadoop、Hbase、Lucene、Carrot2、Cloudera、Tika、ZooKeeper、Solr、Katta、Cascading、POI ......

当您阅读有关该工具的信息时，您通常可以确定将提及其他工具中的每一个。

我不希望你向我解释每一个工具——当然不会。如果您可以帮助我针对我的特定场景缩小此设置范围，那就太好了。到目前为止，我不确定以上哪一个适合，而且看起来（一如既往）有不止一种方法可以做要做的事情。

场景是：500GB - ~20 TB 的文档存储在 Hadoop 中。多种格式的文本文档：email、doc、pdf、odt。有关存储在 SQL db 中的文档的元数据（发件人、收件人、日期、部门等）。文档的主要来源将是 ExchangeServer（电子邮件和附件），但不仅如此。现在开始搜索：用户需要能够对这些文档进行复杂的全文搜索。基本上，他会看到一些搜索配置面板（java 桌面应用程序，而不是 web 应用程序） - 他将设置日期范围、文档类型、发件人/收件人、关键字等 - 触发搜索并获取文档的结果列表（以及每个文档信息为什么包含在搜索结果中，即在文档中找到了哪些关键字）。

我应该考虑哪些工具，哪些不应该考虑？关键是用最少的“胶水”代码开发这样的解决方案。我精通 SQLdbs，但对 Apache 和相关技术很不适应。

基本工作流程如下所示：ExchangeServer/其他来源 -> 从 doc/pdf/... 转换 -> 重复数据删除 -> Hadoop + SQL（元数据） -> 构建/更新索引 <- 搜索文档（并快速完成) -> 显示搜索结果

谢谢！