Autocomplete 通过木瓦和termvector组件自动完成

实现类似谷歌的自动完成的方法之一是在Solr1.4中结合使用木瓦和termvector组件

首先，我们使用带状图组件生成所有n-gram分布，然后使用termvector获得最接近用户术语序列的预测（基于文档频率）

模式：

<fieldType name="shingle_text_fivegram" class="solr.TextField" positionIncrementGap="100">
    <analyzer>
        <tokenizer class="solr.LowerCaseTokenizerFactory"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="false" />
        <filter class="solr.ShingleFilterFactory" maxShingleSize="5" outputUnigrams="false"/>
        <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
    </analyzer>
</fieldType>

跳过剩下的

与其他Solr组件/过滤器结合使用是否可行

UPD：Lucene 4中有一种可能的解决方案（应该可以连接到SOLR中）：

“难道你不能制作一个自定义的停止过滤器，只删除输入开始时的停止字（看到第一个标记）或结束时的停止字（之后没有看到非停止字标记）？这需要一些缓冲/状态保持（捕获/恢复测试），但似乎可行？”--Michael McCandless

---

from:

在Solr 1.4中，实现多字自动完成的最佳方法是使用EdgeNGramFilterFactory，因为您需要在用户输入时匹配用户输入。因此，您需要匹配“i”、“in”“ind”等来表示印度。

使用带有关键字TokenizerFactory的单独查询分析器，因此（使用您的示例）：

问题不在于如何实现多字自动完成。这项工作已经完成。问题是，如何在搜索时在生成的n-gram的边缘放置停止词。感谢您的建议，我需要使用一些数据来测试这一点。

<searchcomponent name="termsComponent" class="org.apache.solr.handler.component.TermsComponent"/>
<requesthandler name="/terms" class="org.apache.solr.handler.component.SearchHandler">
    <lst name="defaults">
        <bool name="terms">true</bool>
        <str name="terms.fl">shingleContent_fivegram</str>
    </lst>
    <arr name="components">
        <str>termsComponent</str>
    </arr>
</requesthandler>

india
china
india and china

        <analyzer type="index">
            <tokenizer class="solr.LowerCaseTokenizerFactory"/>
            <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="false" />
            <filter class="solr.ShingleFilterFactory" maxShingleSize="5" outputUnigrams="false"/>
            <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
        </analyzer>
        <analyzer type="query">
            <tokenizer class="solr.KeywordTokenizerFactory"/>
            <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="false" />
            <filter class="solr.LowerCaseFilterFactory"/>
            <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
        </analyzer>