问题标签 [full-text-indexing]

我目前正在评估许多全文索引解决方案，并且正在使用本机 postgres FT。

我正在尝试使用 GIN 索引来索引我的数据。但是字段大小有限制，我在插入数据时遇到一些错误，说“巨大的元组”

据我了解，它与字段大小直接相关。但是这个限制没有写在我找到的任何文档中，所以有人知道这个限制吗，如果有什么方法可以改变它？

谢谢

PS：我在 postgresql 源代码中找到了这个定义： ((BLCKSZ - SizeOfPageHeaderData - \ MAXALIGN(sizeof(GinPageOpaqueData))) / 3 - sizeof(ItemIdData)) 如果没有人有一些快速的答案，我会尝试使用它。

如果我使用 like '%fish%' 则返回以下内容

水族金鱼片

但是如果我使用 Contains([Description],' "fish*" ' ) 是不是有什么我可以做的吗？

基本上我想在任何地方返回任何有鱼这个词的东西。

我试图让 Lucene.NET 在共享托管环境中工作。Mascix over on codeproject在这里概述了他是如何在 Godaddy 上工作的。我正在 iqsolutions 上尝试这个。

他发布的两个示例在我的本地计算机上都运行良好，并且都在共享托管服务器上引发了相同的错误：

我尝试在 web.config 中添加对 Lucene.NET 组件的直接引用，如下所示：

但这也会引发自己的错误。我想我的问题是：我错过了一些简单的东西还是服务器端设置会导致它根本不起作用？

1. MySql 全文搜索是否使用索引？
2. 如果是这样，我如何查看索引条目表？

我可以使用 VIEW 查询查看索引统计信息。但是，我只想查看索引记录条目表。

我在 cms 数据库 (SQL 2005) 上有一个 sql 全文目录。数据库将 CMS 页面内容保存在作为全文目录一部分的 ntext 列中。正如预期的那样，搜索会考虑页面内容中的 xml 标签，因此搜索“H1”会返回所有带有 H1 标签的页面。

是否可以在全文搜索中应用过滤器来仅索引 xml 标记中的数据。

我可以看到 SQL 全文搜索可以索引/搜索 .html 二进制类型或 xml 列。但是，如您所见，设置与此略有不同。

非常感谢，

亚当

我有近 15 万篇土耳其语文章。我将使用文章进行自然语言处理研究。我想在处理文章后存储每篇文章的单词和频率。

我现在将它们存储在 RDBS 中。

我有 3 张桌子：

文章 -> article_id,text
Words -> word_id, type, word
Words-Article -> id, word_id, article_id, frequency (index for word_id, index for article_id )

我会查询

• 一篇文章中的所有单词
• 每篇文章一个词的频率
• 单词出现在所有文章和哪些文章中

我在 word-article 表中有数百万行。在这个项目中，我一直使用 RDBS。从mysql开始，现在使用oracle。但是我不想用oracle，想要比mysql更好的性能。

此外，我必须在具有 4gb 内存的机器上处理这项工作。
简单地说，如何存储文档术语矩阵并对其进行查询？性能是必要的。“键值数据库”可以在性能上击败 mysql 吗？或者什么可以打败mysql？

如果您的答案编程语言取决于，我正在用 python 编写代码。但是 C/C++ , Java 没问题。

到目前为止，我知道指南针可以处理这项工作。但是用指南针索引看起来相当昂贵。有没有更轻的替代品？

我在这里浏览了一些狐猴索引教程：

http://www.lemurproject.org/tutorials/begin_indexing-1.php

我创建了一个“语料库”文件夹，其中包含一个带有看似正确格式的文件的文档：

并创建了以下配置文件：

但是，当我运行时：

我得到了一个神秘的例外：

我查看了源代码中的相关函数，但没有什么特别突出的地方。有任何想法吗？

我使用 NHibernate ORM 编写了一个大型应用程序。在数据库级别使用全文索引对我的应用程序性能有好处吗？它会给我更好的搜索性能吗？

如果itemcount属性与索引行数不完全匹配，那是个问题吗？有没有一种数字方法可以确保我拥有完整的全文索引？

更新：该属性fulltextcatalogproperty('database','itemcount')不等于索引表的行数。差了几千。这是否表明索引缺少信息，或者您希望 itemcount 不完全匹配？