问题标签 [carrot2]

我对 Apache Solr 和 Carrot2 都很陌生。我正在尝试使用 Solr 索引大量输入文件。最终目标是对文档进行聚类。

我不清楚集群是由 Solr 还是由 carrot2 工作台完成的？

任何人都可以指导我吗？

技术：Maven 3 + IntelliJ + ElasticSearch 5.5.0 + Carrot2 3.15.1

我有一个带有 Carrot2 和 ElasticSearch 的项目，这引起了一些冲突。Carrot2 使用 Lucene 5.3.1，ElasticSearch 使用 6.3.1 版本。我想强制胡萝卜2 使用 6.3.1 Lucene 版本来修复它。

我试图在我的项目的主 pom 文件中添加一个属性：

不幸的是，这种方式仍然会引发由 Lucene 版本冲突引起的错误。最后，我通过更改胡萝卜的依赖 pom 文件的内部值找到了本地机器的解决方案：

它工作正常，但只在我的本地机器上。在胡萝卜的 pom 文件中更改的 Lucene 版本似乎没有传播，并且需要在任何项目实例上手动更改此版本。是否有可能强制 maven 在外部依赖中使用我的项目属性值？

我正在使用胡萝卜2 的 STC（后缀树聚类）算法对一堆文档进行聚类。默认情况下，算法形成的最大聚类数为16。有没有办法决定生成的集群数量？

下面是调用 STC 集群的代码。

我已经在 Web 应用程序上安装了 Carrot2。我发送带有不同选项的搜索，例如：预期结果的数量、深度级别。我启动 dcs（端口 8080）并执行我的搜索（目前我在 localhost 上使用 wamp）。我用 baseurl 初始化了一个新的 Carro2Processor：http://localhost:8080/dcs/rest

我用 setAttributs() 发送我的属性：预期结果的数量和深度级别

这是我在浏览器上的错误：

有没有人遇到过这个问题？谢谢（我忘记了：我的 apache 或 php(wamp) 中没有任何错误日志）

我已经在 Web 应用程序（PHP 语言）上安装了 Carrot2。一切都很完美。现在我想更改结果的语言。我想把英语换成法语。我在网络上搜索了胡萝卜2 文档，但没有找到我想要的（这个链接很有用，但似乎 dcs 文件夹自这篇文章以来发生了变化http://carrot2-users-and-developers-forum.607571.n2.nabble.com/Change-Language-in-DCS-REST-PHP-td639270.html）。无论如何，我用一个简单的形式（和不同的变量）传递我的参数（算法、查询、源等），然后用 curl 将它们（PHP）发送到carrot2的方法。我尝试了不同（奇怪或野蛮）的方式来发送法语：

我试图在 setAttribute() 函数中设置这样的语言，当然它不起作用。

我还尝试更改CURLOPT_HTTPHEADER（添加' Accept-langugage: fr'）。我看到了不同的响应，但仅适用于使用 java 的开发人员和使用 php 的我。是否可以使用 PHP 上的 setAttribute() 方法传递语言选择？有人知道这样做的方法吗？

提前谢谢你（我用的是carrot2-dcs-3.16）

版本 3.11 和 3.15 NuGet 包需要 IKVM.8.1.5717.0 但在使用 ILSpy 查看时，两者似乎都是针对版本 = 7.2.4630.5 编译的。

运行 C# 示例表明它仅适用于 IKVM.OpenJDK.Core，版本 = 7.2.4630.5。

我有 IKVM.8.1.5717.0 的要求，因为我在网站中运行了其他包，这会出现问题。我们真的不想改变架构来适应 7.2 和 8.1。

使用 IKVM.8.1.5717.0 从源代码重新编译 Org.Carrot2.Core.dll 并复制 Org.Carrot2.Core.NET.dll 会引发

指定自定义属性的二进制格式无效。

在里面org.carrot2.controller.process(Map attributes, params Class[] processingComponentClasses)

是否有带有 IKVM.8.1.5717.0 的 3.11 或 3.15 的可下载稳定版本？

我在centos 7上使用carrot2搜索服务器。但是当我想运行dcs.sh文件时，它会产生[WARN] insufficient threads configured for SelectChannelConnector@0.0.0.0:8080.

任何帮助将不胜感激 。

我尝试使用 JRE 9.0.4 在我的 Windows 10 x64 中打开 Carrot2 Workbench，但出现如下错误：

完整日志：https ://en.pastebin.ca/3977647

请任何形式的帮助表示赞赏，谢谢。

我StackOverFlow从我的数据库中选择了一些包含特定单词的行，并将它们保存在一个文本文件中。然后，我使用 Lucene 来索引文件内容。

当我尝试StackOverFlow使用 Carrot2 搜索索引文件时，它不返回任何文档，但是对于我知道它们至少存在于一个文档中的换句话说，它返回其中一些。

在 Carrot2 文档中，有一个关于名为的属性的解释Maximum word document frequency：

最大 word 文档频率。单词在所有文档中所占的最大文档频率。文档频率大于 maxWordDf 的单词将被忽略。例如，当 maxWordDf 为 0.4 时，超过 40% 的文档中出现的单词将被忽略。值 1.0 表示将考虑所有单词，无论它们出现在多少个文档中。当大多数输入文档中出现某些单词（例如，页眉或页脚中的公司名称）并且这些单词支配集群标签时，此属性可能很有用。在这种情况下，将 maxWordDf 设置为低于 1.0 的值，例如 0.9 可以改善集群。

这个属性的另一个有用的应用是当需要只生成非常特定的集群时，即包含少量文档的集群。这可以通过将 maxWordDf 设置为极低的值来实现，例如 0.1 或 0.05。

所以，当我设置maxWordDf为 1.0 时，没有任何变化，它仍然在搜索中显示没有文档。

我该如何解决我的问题？

我正在尝试使用 Carrot2 Workbench 调整 Solr 中的集群。虽然 Workbench 产生了不错的结果，但 Solr 拒绝这样做，并且它的集群非常不同。

我的流量：

• 准备一组文档 ID 并单独查询它们 (fq)
• 从 Workbench 调整和导出 XML 配置
• 重新启动 Solr 以确保它全部被拾取
• 重复相同的查询（我还通过检查 Solr 日志确保它与 Wrokbench 中的查询完全相同）
• 比较集群......这是我迷路的那一刻。它们甚至是结构完全不同。Workbench 生成更长更复杂的标签，而 Solr 标签非常简单。

我尝试从 XML 和查询中调整参数，但效果很小。但是足以看到配置正在被拾取。

我检查的另一件事是 Carrto2 CLI 工具。我将数据从 Solr 导出到 XML，并使用 CLI 和从 Workbench 导出的配置来生成集群，CLI 与 Workbench 一致。

这使得 Solr 成为一个奇怪的人。我使用 Carrot2 v3.15.1 和 Solr 7.2.1

我错过了什么？为什么 Solr 从相同的数据和配置生成不同的集群？