Apaches Solr搜索引擎是否提供近似字符串匹配，例如通过Levenshtein算法 我正在寻找一种按姓氏查找客户的方法。但是我不能保证名字的正确性。如何配置Solr，使其能够找到此人 “Levenshtein”即使我搜索“Levenshtein”？通常这是通过来完成的，默认情况下，它在内部使用实现Levenshtein的 这篇文章很好地解释了它是如何工作的，如何配置它以及有哪些可用的选项，没有必要在这里重复 或者你可以用它 另一种选择是使用a而不是Levenshtein。毛里西奥的回答很
我正在为Lucene.Net数据库中的一行数据编制索引。行相当于文档 我想用DocId更新我的数据库，这样我就可以在结果中使用DocId来快速检索行 我目前首先从结果文档中检索PK，我认为这应该比使用DocId直接从数据库中检索PK要慢 在向Lucene添加文档时，如何找到文档ID？依赖Lucene的文档ID是一个糟糕的策略，因为即使Lucene也试图避免这种情况。我建议您创建自己的DocId。在数据库中，我将使用一个。如果应用程序不使用关系数据库，则可以通过编程方式创建此类字段。除此之外，我建
我创建了一个lucene索引，并用bz2或zip压缩了索引目录。我不想把它解压缩。是否有任何API调用可以从这个压缩目录读取索引，从而允许搜索和其他功能。也就是说，lucence IndexReader可以从压缩文件中读取索引 我看到Lucnene IndexReader不支持“Reader”来打开索引，否则我会创建一个Reader类来解压缩文件并流式处理未压缩的版本 任何替代方案都是受欢迎的 谢谢， Akhil有一些虚拟文件系统实现，允许您将ZIP/GZ文件装载为磁盘。一个例子是fuse-zi
我试图用语料库建立一个邻接列表。我正在考虑使用Map Reduce，因为事实证明，内存解决方案非常昂贵。我认为工作的顺序要求我从一个倒排索引开始，然后有一个map工作作为输入，然后计算相似性。我并不特别想经历建立自己的反向索引的痛苦——我想使用一个看起来相当容易生成的Lucene索引。但是，我不太清楚如何使用Lucene索引并生成Hadoop中可以使用的映射对？有人能澄清一下怎么做吗？您需要做的是使用IndexReader.terms（）枚举术语，IndexReader.docFreq（Term
是否可以在spring-data-neo4j中自定义lucene索引，以便我的索引将使用自定义分析器？特别是，我想使用PerfielDanalyzerRapper分析器，以便能够在同一索引中使用精确字段和全文字段。 我看到一篇关于它的帖子，但它与本地neo4j有关 谢谢。这是一个老问题，但人们可能仍然感兴趣： 我们目前正在嵌入式Neo4j项目中使用lucene PerfielDanalyzerRapper分析仪。我们的兴趣是柠檬化。 另见 我们运行的是Neo4j 2.2.8，但不幸的是，我很难用
在lucene中，对于更快的搜索，最好的索引分区策略是什么 更少的索引分区比许多索引分区更好，搜索速度更快吗？首先，我认为强调分区和分片之间的区别很重要 据我所知，Lucene中的分区意味着有多个索引（单独的IndexReaders/IndexWriters/Directory实例），但所有索引都将在同一个JVM下运行 分片意味着上面提到的一切加上独立的JVM（如果您是磁盘绑定的，在不同的磁盘上放置索引也是有意义的） 无论如何，这个问题没有简单的答案，但以下是一些基本要点： 专业人士： 更快的
我使用以下方法根据提供的查询返回搜索结果 private List GetResults（QueryBase qBase） { 使用（IndexSearchContext sc=SearchManager.GetIndex（“故事”）.CreateSearchContext（）） { var hits=sc.Search（qBase，int.MaxValue）； var h1=hits.FetchResults（0,25）； var h2=h1.Select（r=>r.GetObject（））；
我在编写查询以选择项的后代具有某些属性的项时遇到一些问题。我正在使用Sitecore 7 我想选择带有平面图标的项目，其中任何绿色复选项目的属性X的值为Y 我需要做些特别的事情来给孩子们编制索引吗？ 我的查询尝试是： var master = Sitecore.ContentSearch.ContentSearchManager.GetIndex("sitecore_master_index"); using (var context = master.CreateSearchContext(
我想在Lucene中做一个突出显示，在突出显示的单词旁边，它还返回其上下文，该上下文由围绕搜索词的一定数量的单词组成。例如，如果一个文档的内容是quick brown fox跳过懒狗，搜索的单词是fox，所需的周围单词数是2，那么结果应该是这样的quick brown fox跳过参见Lucene的，Lucene的Highlighter API仅为返回片段的大小提供选项，以字符数而不是所需的字数来度量：setMaxDocCharsToAnalyze（int-maxDocCharsToAnalyze
我正在升级和测试一个大型安装，遇到了一个我无法理解的问题。我有一个很大的文档集合，其中我的索引创建如下： <collection xmlns="http://exist-db.org/collection-config/1.0"> <index xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xlink="http://www.w3.org/1999/xlink"> <fulltext defaul
是否有类似Luke的工具可以使用lucene.NET api在C#中查看lucene索引？为什么不能使用Luke的Java版本？它应该与Lucene.NET生成的索引兼容如果我可以对帖子发表评论，我会在这里发表，但是 Bajafresh是正确的-您可以使用Luke的Java版本，使用Lucene.net在C#中构建索引。去年我在一份工作中使用了这种方法，没有遇到任何问题。甚至把Luke放在我的项目经理的桌面上，这样她就能感受到“新”技术。我意识到这是一个老问题。现在有另一种选择。Luke.NET
如果运行搜索：“+house+car”并返回5343562个点击 这是我拥有的文件的确切数量，还是近似值 如果是近似值，是否有方法返回符合搜索查询条件的文档提取数？这是精确的。是什么让你认为这是一个近似值？你的老板的车和房子比5343562多吗。他应该是对的
Solr1.4非常新-看起来确实非常强大。然而，当我试图按照相关性（分数）和评分值（每个结果的评分为0到5星）的顺序返回搜索结果时，我被卡住了 我尝试过通过“rating desc，score desc”来排序搜索结果，虽然这样做有效，但感觉有点基本 最后，我想根据搜索结果被评为（0到5）的星星数来提高搜索结果的相关性。因此，5星级的成绩应该会带来最大的提升 我确实尝试过添加“rating_value:1^0.1 rating_value:2^0.2”等，但这似乎极大地提高了没有关键词匹配但有高
我被卡住了。我正在使用阅读器提取文档的内容，我想在搜索时突出显示它。 我该怎么做？ 有人能出示一些代码吗 谢谢。柠檬，请查看和。请注意，这是高度依赖于版本的，因此您可能需要将其调整到您的Lucene版本 BTW，有更简单的强调——如果你没有在Lucene上投入很多时间和精力，你可以考虑切换到SoR.< /P> LeMeOS，请参阅。请注意，这是高度依赖于版本的，因此您可能需要将其调整到您的Lucene版本 BTW，有更简单的高亮显示——如果你没有在Lucene上投入很多时间和精力，你可以考虑切
Lucene可以处理受干扰的infinispan缓存。我想知道基于hadoop从lucene+infinispan迁移到Katta的时机是什么？什么时候使用Katta和Lucene+infinispan更有效？我读到hadoop不适合实时系统，但是Katta呢？您的要求是什么？我估计，在SO上，99%要求使用超可伸缩Lucene的人会发现Solr（甚至是开箱即用的Lucene）远远不能满足他们的需求 如果你是少数每秒查询数PB数据的人之一，LinkedIn会使用基于Lucene+Hadoop的解
如何根据长度排除某些术语？例如，索引项不能少于3个字母或超过20个字母。也不包括以数字开头的单词 谢谢，您可以编写一个自定义令牌筛选器来完成这一切。请参阅更多详细信息。StandardAnalyzer有一个可以设置的maxTokenLength属性，我认为它已经消除了以数字开头的令牌。但是，如果您有更具体的需求，则需要制作自己的Analyzer，可能还需要制作TokenFilter。与Lucene的文档相反，实现这些类并不“简单”，因为标记化过程的最高性能要求导致了不寻常的编码模式。例如，无法通
目前，我正在构建一个搜索工具，作为一个项目，我将索引从多个数据库表创建的对象（即人员和他们所做的事情）。我想知道除了创建对应于每个人/事物组合的对象（每个都有数千个）之外，是否还有更好的方法来实现这一点 例如，为Person 1所做的所有N件事情创建一个与Person 1-事情1对应的对象，以及另一个与Person 1-事情2对应的对象。然后，为该对象集合编制索引。然后对Person 2执行相同的操作。如果不想对记录进行非规范化，可以使用Join功能。首先看一看。性能可能比非规范化更差，但可能已
到目前为止，我一直在使用查询语法测试我在Sitecore中输入的关键字，但搜索结果并没有将页面排在第一位 例如，如果我将查询语法放在单词book上…（标题：book）^1 我想索引页，即姓名簿出现在搜索结果的第一位，而不是书签 此外，每次我在Sitecore中发布新页面时，Book get的关键字会向下推到最后一个结果，或者不会出现在搜索页面中 如何在Lucene中获得搜索引擎页面的准确结果 此外，我一直在关注如何增加搜索结果，但它不起作用 有人能解释一下这个搜索词是如何起作用的吗。我建议你利用
我想随机抽取术语，按照原文中的方式分发。换句话说，如果单词“大象”在所有索引文档中出现的频率是单词“河马”的两倍，那么它在我的随机抽取中出现的频率应该是两倍。这应该以有效的方式进行 在我看来，索引可能不是这方面的理想数据结构，但它很诱人：它包含所有术语及其频率。可能的副本需要单克分布，我已经投票决定以一个问题的复本结束，并给出了解释如何结束的答案。我同意——感谢指针——当我用我觉得很自然的查询进行搜索时，它没有出现
如何在不使用lucene中的术语的情况下获取n个记录 例如，fieldname=“id”，我想获得id字段的前10条记录，不带任何术语 我的代码是： Dim qp As New QueryParser(Version.LUCENE_30,"id", analyzer) Dim searcher = New IndexSearcher(directory, True) Dim q As Query = New TermQuery(New Term("id")) Di
让我们假设我是在儿童时期用文本块为段落建模，但我希望索引器对整个段落文本进行操作。与其将文本复制到段落中，或者更改模型，是否有一种方法可以让索引器在索引之前重新构建段落（通过简单地连接所有子项）？i、 e.它在索引之前会进行一些处理？如果您使用的是手动遗留索引（在lucene中使用FTS也是必需的），那么您基本上会传递值和希望它指向的节点。该值甚至不需要是节点上的属性 在这种情况下，您必须自己进行处理，但这是可行的。传统索引是否将被淘汰？如果我选择的结构是基于能够做到这一点，我不想在以后被它束
我使用以下代码在pdf中搜索文本。它可以很好地处理单个单词。但是对于代码中提到的句子，它表明即使文本存在于文档中，它也不存在。有谁能帮我解决这个问题吗 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT); // Store the index in memory: Directory directory = new RA
在使用类突出显示字段时，我应该如何显示全文而不是一个片段？我在任何地方都找不到答案。荧光笔的碎片程序控制返回的片段（碎片）的生成。您可以使用使其使用字段的全部内容： highlighter.setTextFragmenter(new NullFragmenter());
我正在使用studio中的OrientDB2.0。我使用文档中的代码成功创建了Lucene空间索引： CREATE class Place extends V 创建属性Place.name字符串 CREATE property Place.latitude double CREATE property Place.double 在Place（纬度、经度）空间引擎LUCENE上创建INDEX Place.l_lon 然后，我创建了一些带有纬度和经度的地点对象 当我尝试使用文档格式进行空间搜索时 从
我希望能够在如下文档中实现对foo数组中的项目的搜索： { "_id":"...", "_rev":"...", "foo": [ "This is some text", "Another lot of text", "In fact there are lots and lots of these", ... ] ... } foo数组最多可以包含数千项。有几千份文件 我知道如何根据问题索引和搜索foo数组中的项目，但理想情况下，我
在Cloudant中，是否可以对来自搜索索引（而不是视图）的一组结果执行诸如reduce之类的操作 在我的例子中，我想找到所有标题值包含“foo”的文档，然后根据每个文档的viewCount值，对每个文档求和视图总数。您不能减少，但可以使用刻面来获得计数 示例查询 ？q=*：*&计数=[“类型”] 示例响应 { "total_rows":100000, "bookmark":"g...", "rows":[...], "counts":{ "type":{ "
我想把Gerrit 2.10升级到2.11.1 Gerrit托管在Tomcat7上，在Windows7上使用MySQL 5.6。 Gerrit 2.11的文档提到，如果LUCENE的索引版本是11[在我的案例中也是如此]，那么可以使用在线重新索引来减少Gerrit的停机时间 在运行java-jar-gerrit-2.11.war init-d时，我仍然会在启动gerrit之前得到运行reindex的提示 如何在线重新索引 我有一个巨大的Git回购清单，有多年的封闭式评论，也有许多开放式评论。我
我在考虑Lucene是否是完成任务的好工具 我有包含公司名称、唯一识别号（即税务ID、统计报告ID号等）的数据 是否可以创建索引并以允许“向下提升”具有不匹配此唯一标识符字段的记录的方式对其进行查询 如果TAX_ID在文档和查询之间匹配，则分数会上升 如果文档或查询中都没有TAX_ID，则它将保持中立 但若文档和查询的TAX_ID不同，则得分会下降 我这样做的方法是，当文档没有TAX\u ID时，在TAX\u ID中索引特定的标志值，然后使用boosts提供您想要的评分。因此，您的查询看起来是
elasticsearch 使用自定义分析器跳过对空字符串的索引
elasticsearch Lucene
analyzerstop-wordsinverted-index
这是我的自定义分析器 "analysis": { "analyzer": { "just_lowercase": { "type": "custom", "tokenizer": "keyword", "filter": ["lowercase"] } } } 我想忽略所有为空字符串或空字符串的字段。我理解这是标准分析仪的默认行为；如何在自定义分析器中重现该行为 更新的问题：我希望此行为：字段上存在的查询（通过仅小写字母分析）不得返回任何具有空值或空字符串值的文档。可能吗 更新
我试图在Lucene中创建自己的自定义分析器和标记器类。我主要遵循以下说明： 我根据需要进行了更新（在Lucene的较新版本中，阅读器存储在“input”中） 但我有一个例外： 令牌流协定冲突：reset（）/close（）调用丢失，reset（）调用多次，或者子类未调用super.reset（）。有关正确的消费工作流的更多信息，请参阅TokenStream类的Javadocs 这可能是什么原因？我推测调用reset\close根本不是我的工作，而是应该由分析器完成 这是我的自定义分析器类：
我们在90%的rdf查询中使用搜索。我想看看是否有人知道如何修复文件/sesame data/openrdf sesame/logs/main.log中的错误“org.openrdf.query.QueryEvaluationException:java.util.ConcurrentModificationException”。 当错误发生时，紧随其后的是rdf服务器CPU使用率的迅速提高、rdf服务器的无响应性以及重新启动服务器的必要性。 它似乎是随机发生的，与特定的查询无关。我想知道这个错
我正试图得到另一份类似的文件。我正在使用Lucene.Net来实现这个目标。为此，我将文档分为多个字段-标题和内容。现在，在没有有趣术语的空查询中创建实际查询结果 我的眼睛看起来像这样： var queries = new List<Query>(); foreach(var docField in docFields) var similarSearch = new MoreLikeThis(indexReader); similarSearch.SetFieldNam
我正在使用标准分析器来存储在特殊字符上标记的信息，并删除诸如“the”之类的停止字。我的问题是: （1） 如果我做了一个SpanQuery，搜索“最佳素材”，但没有存储单词“The”，那么我是否需要编写代码来删除这个单词，以便只搜索“最佳素材”，还是自动为我处理 （2） 我也必须自己处理小写吗？1-对于查询，分析通常由查询解析器处理。通常，不要做任何分析。因此，如果您自己在查询中进行构造，包括SpanQueries，那么您将不得不处理任何分析问题。这不仅包括删除“The”，而且最有可能的“Bes
基于术语的索引和同样在LUCENE 6.5中搜索的基于查询的索引之间的确切区别是什么？我不知道您从哪里听说过“基于术语”和“基于查询”的索引 术语是索引中经过分析的文本块。最常见的是这些词，但这取决于您的分析器 查询是一组搜索条件，指定要在索引项中查找的内容
我有以下查询字符串： 从cq:PageContent中选择jcr:title、jcr:created、jcr:description，其中jcr:path类似于“/content/../%”并包含.，“*”按日期排序ASC 问题是查询返回给定路径中的所有节点，即使它们在任何项目中都没有星号。我想转义星号字符，但结果是一样的。我试过这样的方法： 从cq:PageContent中选择jcr:title、jcr:created、jcr:description，其中jcr:path类似于“/conten
elasticsearch 如何在两个分开的服务器之间使用Logstash将日志从文件发送到Elasticsearch？
我尝试使用Logstash将日志从logs.csv文件发送到elasticsearch。在Elasticsearch中，我有类型为log的索引日志。目前，我的logstash.conf看起来是这样的： input { file { path => "/run/shm/elastic/logstash/logs.csv" start_position => "beginning" sincedb_path => "/dev/null" } } fi
GraphDB支持FTS Lucene插件构建RDF“分子”来高效索引文本。但是，当您正在搜索的单词中出现拼写错误时，Lucene将无法检索结果。我想知道是否有可能在FTS的GraphDB中的Lucene索引之上实现基于Damerau-Levenshtein算法的模糊查询。这样，即使单词拼写不正确，也可以根据编辑距离相似性获得更多“封闭”单词的列表 这是我在WordNet RDF中为名词语法集的标签创建的索引 PREFIX wn20schema: <http://www.w3.org/20
我正在使用Lucene/solr在文件上传应用程序中进行搜索和导航 每次下载时，我需要更新每个文档的索引值“已下载” 同样的情况也发生在digg.com上，他们在搜索时每个链接有多少个“digg” 每次下载时是否必须删除/插入新文档。 或者有更好的吗？根据上的，您不能部分更新文档： 在Lucene中，更新文档的操作实际上是先删除，然后添加。您需要添加完整的文档，因为Lucene中没有这样的“只更新一个字段”语义 如果要更新字段，必须添加整个文档。我知道，没有更新实现。。这不是我的问题。我的问题是
我想从lucene索引文件中获取一些数据。但我看不懂 我尝试使用Luke，但它总是在java.lang.OutOfMemoryError:java堆空间中崩溃。注意-Xmx帮不了我。我尝试使用-Xmx512、-Xmx1024甚至-Xmx2048 我也尝试使用Solr，但也得到了java.lang.OutOfMemoryError:java堆空间 有没有办法从Lucene那里提取一些数据 另外，我使用lucene 2.3.0。我的索引文件大小为1.8 Gb。您试图获取的数据大小是多少？可能结果集太
我使用的是OpenSearchServer（社区版）v1.2.4-rc3-stable-rev1474-build802。我在C语言和C++编程网站上爬行。现在，当我搜索C或C++时，软件会把一些特殊的字符像是α，+。软件返回的结果并不准确。如何处理OpenSearchServer/Lucene中的特殊字符，如（#）？谁能给我提个建议吗？提前感谢 < P>你需要改变你的索引策略，使用自定义或半定制记录器保留你需要的特殊字符来代表C和C++代码项。您可以在索引和搜索期间使用此标记器 一开始，我会看
我正在一步一步地学习Lucene。然而，我在网上找不到关于如何在Mac上安装Lucene的清晰教程。有人知道吗？非常感谢 （摘自我上面的评论） 对于Lucene，我认为你不会“安装”它。相反，它是一个JAR文件，包含在应用程序的类路径中。通常，您只需要二进制JAR文件。使用像Eclipse这样的Java感知IDE（它为您编译Java代码）可能是一个好主意。启动一个项目并告诉它将lucenejar文件添加到它的构建路径中，然后就可以开始编写示例程序了。你试过一些Lucene教程吗 在项目文件夹中创
在使用Lucene.Net的应用程序中，我有一个存储整数的数字字段。值的基数相当低（通常小于20-30个不同的值） 我想在此字段上进行分面搜索（使用contrib包中的SimpleFacetedSearch），即我想要每个不同值的点击数 目前，我正在另一个文本字段中存储该值的副本，并在该文本字段上运行分面搜索。这将返回正确的结果 然而，这是一种方法，还是有一种特殊的方法可以在数字字段上进行分面搜索 注释：由于基数低，我可以考虑将精度步长设置为In .Max值，以便每个值只有一个项。我想在这种情况
在linux上尝试使用Lucene索引内容时，我收到以下错误消息： 我的代码在Windows和Mac OS上运行得非常完美 有什么想法吗？检查正在编制索引的文件系统中的锁定服务 ps aux| grep lockd 有关更多信息： 问题已解决。似乎无法打开NSF上的write.lock。我的解决方案似乎是在本地磁盘/tmp上建立索引。可能与@davidgood one重复。永远不要在NFS上存储lucene索引：@David:你是说NFS吗？？您是否尝试为NFS启用locink服务？ inde
正在成功创建我的索引。我的问题是，当尝试在Luke中读取时，我得到了一个错误： Caused by: java.io.IOException: read past EOF 我知道Lucene确实提供了一个不存储字段的选项。然而，最好的办法是什么 存储字段而不考虑其大小，如果在搜索中找到了匹配项，则从文档或 不存储字段，如果在搜索中发现命中，则查询数据库以获取相关信息 以下是用于创建索引的代码： public class CREATEiNDEX { /** * @param
关于Lucene 4.0，我有两个问题： 1） 我想更改Lucene中的排序，所以我创建了自己的tfidf类，然后调用TermStats构造函数 ts[t] = new TermStats( contents[t].field,contents[t].termtext, contents[t].docFreq, tfidf); 但信息是 TermStats(String,BytesRef,int,long) is not public in TermStats; cannot
我正在为索引对象构建一个lucene查询，以确定当前时间是否介于开始时间和结束时间之间。我无法得到确切的lucene查询 org.apache.lucene.search.Query luceneQuery5=queryBuilder3.bool() .must(queryBuilder3.keyword().onFields("TimeDependentProfileKey").matching("TimeKey").createQuery()) .must(queryBuil
elasticsearch
我有一个下面的映射文档，确切地说，它确实在索引和搜索时间应用了word delimiter analyzer，专门用于模型字段和同义词analyzer，它对搜索字符串进行搜索时间分析 映射 POST /stackoverflow { "settings":{ "analysis":{ "analyzer":{ "keyword_analyzer":{ "tokenizer":"keyword",
我已经使用StandardAnalyzer构建了一个索引，在这个索引中有几个字段。例如，假设它具有Id和类型。两者都是未分析的，这意味着您只能按原样搜索它们 我的索引中有几个条目： {Id: "1", Type: "Location"}, {Id: "2", Type: "Group"}, {Id: "3", Type: "Location"} 当我搜索+Id:1或任何其他数字时，我会得到相应的结果（再次使用StandardAnalyzer） 但是，当我搜索+Type:Location或
我试图在我的一个JavaEE项目中使用Hibernate搜索，似乎遇到了与以下问题完全相同的问题： 我的Maven项目正在使用 Java JDK 1.8.0_73 Hibernate 5.0.6.1最终版本 Hibernate Search 5.5.2.Final（使用Lucene 5.3.1） 并尝试在Glassfish 4.1.1应用程序服务器上部署（对标准配置的更改很少） 当部署我的应用程序时，当Lucene尝试从包Lucene backward codecs（版本5.3.1）加载编解
elasticsearch 具有优先级的Elasticsearch复杂查询
elasticsearch Lucene
E Commerce
我有很多基于可获得的折扣和指定优先级的价目表的产品。“价格”零件映射如下所示： "price": { "properties": { "USD": { "type": "nested", "properties": { "amount": {