我使用Solr1.4.1构建分布式搜索引擎，但我不想只使用一个索引文件——我想在java代码中动态创建新的核心“索引”目录 我发现以下RESTAPI使用现有的核心目录（）创建新的核心 有没有一种方法可以在没有Existing core目录的情况下创建新的core？solr有这样的功能吗？通过rest还是在solrj api中？谢谢。目前无法通过编程方式将模式和配置提交给Solr以创建新的核心 正如评论中提到的，您可以使用WebDAV、scp或sftp之类的工具来解决这个问题 http://loc
如何在Katta中使用FieldCache，FieldCache需要IndexReader作为参数，然后如何从Katta API获取IndexReader。在katta中，lucenclient.java中的搜索方法返回Hits。 从这个列表中，我可以得到每个点击的docId，但我需要Katta中docId的特定字段值。请给我一些编码示例。我从未与Katta合作过，我与Solr合作过，如果我必须按文档id获取文档，并且只能使用Lucene类，我会使用org.apache.Lucene.searc
我想了解lucene在搜索过程中表现出什么样的分数？我看到Lucene TermVector包含一堆统计信息，当我搜索一个术语时，如何在查询时计算分数 搜索期间是否使用TermVector及其统计信息？如果是，怎么做 该课程负责评分文件 A对文档进行迭代。它与a一起用于分配分数，并根据这些分数对文档进行排序。记分器实例计算特定条件下的分数。有十几种不同的得分手。例如，TermScorer按如下方式计算原始分数： getSimilarity().tf(f)*weightValue 权重值是从查询
我想在neo4j Lucene index的单个索引属性中存储多个值，例如 IndexName: profile property- Education: "Stanford University, Grad School", "Harvard University, MS" property- Work: "Nokia Siemens Networks", "Motorola" 搜索也应适用于所有情况，如和、或 我们可以通过Solr将属性设置为多值属性来实现这一点。我不确定neo4j+L
我的Jackrabbit 2.4说，SearchIndex元素的textFilterClasses参数已被弃用并忽略。当我一起删除textFilterClasses参数时，它为Pdf、Rtf-everything建立索引 当我没有指定提取器时，它如何知道应该索引哪些二进制文件 API说它已被弃用，但没有提供任何替代方案 谢谢大家! Jackrabbit 2.x引入了Apache Tika作为默认二进制文件解析器。默认情况下，Jackrabbit附带一个默认的tika-config.xml文件，其
使用lucene，我想按特定顺序搜索短语（多个单词）。我遇到了spanquery的示例，用于按特定顺序搜索单个术语，但这不符合我的要求，因为我希望在slop不一定为零的情况下搜索文档中按特定顺序出现的“短语”。那么我们在lucene中有这样的功能吗？或者我们可以使用spanquery按特定顺序搜索短语吗 提前谢谢。您在找什么？我认为除非您将slop设置为零，否则phrasequery不会促进有序搜索。我错过什么了吗？我需要像spanquery这样的东西，在这里你可以按照特定的顺序搜索词汇，但是我
我的问题被认为是Lucene.NET2.9.2 假设我使用IndexWriter更新了一个索引，这导致调度程序开始在后台合并段。如果在合并完成之前调用Commit，会发生什么？调用Commit的线程将被阻止并等待合并完成，还是两个线程是独立的 答案对我的搜索实现非常重要，因为我依赖于字段缓存来解决性能问题，如果提交不会等待合并完成，我可能会得到错误的文档ID 更新： 我试图做的是DocId到Appliciation Id之间的映射，所以在使用indexsearch搜索方法时，我不需要获取应用程序
elasticsearch
我试图了解ElasticSearch查询DSL是如何工作的。 如果有人能给我举一个例子，说明如何执行类似以下MySQL查询的搜索，那将非常有帮助： SELECT * FROM products WHERE shop_id = 1 AND MATCH(title, description) AGAINST ('test' IN BOOLEAN MODE) 假设您为一些文档编制了索引，这些文档至少包含shop_id、title和description字段，如以下示例所示： { "sho
我想选择一个自然语言处理工具来完成常见任务，如标记化、句子检测、各种标记（名称实体识别、词性标记等）。我的问题分为两部分： 选择自然语言处理的标准是什么 工具 在（UIMA、LingPipe、Lucene、Gate、Stanford）中，哪一个满足 这些标准更好吗 你有什么建议？一些一般标准： 我可以使用提供的模型执行多少任务（例如，该工具是否包含用于我的任务的模型，如西班牙语标记化或蛋白质标记） 添加缺少的工具对我来说有多容易 顺便说一句，我会添加到您的列表中，以及它的 关于你的任务，你能说得
依照 IndexSearcher是线程安全的。 然而，我认为这是指Lucene的最新实现。 我正在使用Lucene 3.0.3，我想知道在这个版本中IndexSercher是否也是线程安全的。是的，它是线程安全的。请看相应的： 索引搜索器实例是完全线程安全的，意味着多个 线程可以并发调用其任何方法。如果你的申请 需要外部同步，不应在上同步 IndexSearcher实例；改用您自己的（非Lucene）对象
我有一个类似这样的问题： field1:“填充”和field2:“其他” 当使用小写字母和运行时，会产生不同的结果。所以这个查询： field1:“填充”和field2:“其他” 其中“and”为小写。我正在使用经典的QueryParser解析查询，在解析小写的“and”时，它不会抱怨（抛出异常），但它确实会生成“more”结果。就好像‘and’可能是它正在寻找的一个标记，因此比使用2个子句的普通查询产生的结果还要多 Lucene语法中的“and”大小写是如何解释的 仅供参考，在Java 7和J
有没有办法检索与Lucene 4.7.2索引中特定字段内容匹配的N-gram的频率 我想找到并计算所有3-gram的出现，其中第一个标记是形容词（JJ），第二个标记是形容词（JJ），第三个标记是名词（NN）。此POS信息包含在名为postag的字段中 我想到了一个使用IndexSearcherpostag的查询：“jjjnn”，但我不确定如何使用结果来计算发生次数 感谢您的帮助 您是否正在尝试获取包含该模式的文档数？或者在文档中找到该模式的时间？您第二次提到的是优先级最高的，但我需要实现这两个功
elasticsearchfuzzy-search
我注意到，停止词上的模糊运算符并没有产生我期望的结果 以下是我的配置： index : analysis : analyzer : my_analyzer : tokenizer : my_tokenizer filter : [standard, my_stop_english_filter] tokenizer : my_tokenizer
我在用Hibernate搜索过滤器实现布尔逻辑时遇到了一个问题。 有些人可以成为团体的一部分。每个组都有一个来自状态目录的状态 我需要筛选组1中状态为2的所有用户。为此，我对这两个子句都使用了带有Occurse.MUST的布尔查询，但在筛选结果中包含了具有Grop列表的人员，其中一个为1，组的一个状态为2，例如： person | group | status 105 (1) 3 105 2 3 105 3 (2) 188
我使用的是Elasticsearch 1.3.4，结果是Lucene 4.9。我需要为每个术语文档对存储一些信息（类似于术语频率，但只跨越可变字节数）。我知道Lucene支持有效负载，但这些信息是每个术语文档的。因此，在我的例子中，使用有效载荷是一种过分的做法。嗯，我也可以尝试将该信息保存为有效负载，只对应于文档中第一次出现的术语，但听起来不太干净 我想知道是否有一个现成的解决方案，用于在Lucene中存储术语文档自定义信息。如果没有，我的选择是什么
据我所知，pyLucene现在也提供BM25相似性。我正在使用pyLucene-4.10.1，但找不到任何关于如何使用BM25而不是tf idf的示例。请指导。尝试使用setSimilarity of IndexSearcher设置检索模型 import lucene from java.nio.file import Paths from org.apache.lucene.store import SimpleFSDirectory from org.apache.lucene.index
elasticsearch 弹性搜索索引下的元数据？
elasticsearch Lucene
我已经了解了弹性搜索是如何工作的 我看到它保留了包含它的文档id，但我的问题是它是否也在文档中保留了准确的位置（如行号和列号）？据我理解，当ES存储一个术语（在分析阶段之后）时，它还存储文档中的偏移量（即其位置） 请看这里： 分析的字符串字段使用位置作为默认值 以及类型上的“位置”选项： 对单据编号、术语频率和术语位置（或顺序）进行索引。位置可用于邻近性或短语查询 据我所知，当ES存储一个术语（在分析阶段之后）时，它还存储文档中的偏移量（即其位置） 请看这里： 分析的字符串字段使用位置作为默认值
我对Solr和Faceting有一个问题，我想知道是否有人知道这个补丁。我现在有一个解决办法，但是我真的想弄清楚为什么我的查询不起作用 这是我的模式，简化后更易于遵循： <fields> <field name="uniqueid" type="string" indexed="true" required="true"/> <!-- Indexed and Stored Field ---> <field name="recor
可以标记特定的过滤器，并在刻面时排除这些过滤器。这通常在进行多选面时需要 stats.field是否可能有类似的功能 stats.field={!ex=foo}price // does not work 我有一个价格滑块，我需要最高价格，就像没有设置价格过滤器一样。是。使用stats=true&stats.field=price建议任何与此问题有关的人发布到Apache Solr Jira网站。（需要免费的Apache帐户。）如果您是Solr开发人员并希望编写此功能增强，我们向您致敬 我想要
我正在编写一个应用程序，它利用Lucene索引，用户必须频繁地更新或删除索引文档 我知道，如果有人想要永久删除标记为从Lucene索引中删除的文档，那么他有两种选择： index writer.Optimize（）或 Indexwriter.ExpungeDeletes（） 由于为每个删除会话优化索引既昂贵又耗时，而且需要2倍的可用磁盘空间，因此在磁盘空间不足的情况下，Optimize（）似乎不是一个好的选择 所以很明显，我不得不选择ExpungeDeletes（），它声称耗时更少，而且不会强制
当我的搜索服务器开始运行时，它将一次加载所有查询的所有索引。但是，即使我重建了索引，它仍然使用旧索引。所以我认为我应该告诉searcher的indexReader在服务器重建索引后重新打开索引，但是如何实现它呢？ 也许使用生产者-消费者模式？虽然我可以使用indexReader.isCurrent（）检查索引是否已更改，但我必须在每次搜索或某个时间段检查此项。有没有更高效、实时的方法 一种方便的方法是使用Lucene的helper类。如果您对进行近实时搜索感兴趣，您也可能对以下内容感兴趣 上有一
我有一些汇总数据，使用一些相对简单的map/reduce视图很容易生成。但我们希望根据组缩减视图值（而不是键）对数据进行排序。有人建议我们可以利用这一点。但是怎么做呢？我不清楚如何使用全文索引对此类数据进行快速排序 我们已经拥有的 过于简化的示例视图如下所示： by_sender: { map: "function(doc) { emit(doc.sender, 1); }", reduce: "function(keys, values, rereduce) { return sum(
我试图找到是否有一种方法可以在lucene中搜索，即查找至少有一个单词与某个特定单词不匹配的所有文档 例如，我想查找除“test”之外至少有一个单词的所有文档。i、 e.“测试”可能存在，也可能不存在，但除“测试”外，至少应有一个单词。在Lucene有办法做到这一点吗 谢谢， Purushotham可以做到这一点，但这不是一个好主意 查询执行的性能取决于两个因素： 将查询与术语词典相交的时间 检索每个匹配术语的文档的时间 Performant查询可以快速与术语词典相交，并且只匹配几个术语，这样第
我有一个数据库，我在Lucene（使用Pylucene）中使用Lucene的字段按节（由文档中的标记指定）索引该数据库。这个指数似乎运行良好。我可以使用默认字段搜索它，它只是整个文档，并得到合理的结果 问题是，当我使用特定部分（不是默认部分）搜索它时，我希望返回一定数量的结果（由indexsearch.search（query，results）指定），但它可能只返回任何结果。所以我的问题是：如何让它返回一个带有我指定结果数量的排名列表 我指定字段的唯一位置是在QueryParser中，方法是调用
我的搜索索引中有98个文档。当我在没有过滤器的情况下进行方面搜索时，方面计数与该术语索引中的项数不匹配。如果我将facet集合设置为当前文档数98，那么facet计数将返回该术语的正确项数。下面是facet搜索的json 未返回正确数量的项目 { "facets": { "brand": { "terms": { "field": "brand", "all_terms": true } }, "global":
我正在使用Elasticsearch和Playframework[Java]以及全文搜索选项构建一个web应用程序。我想处理类似“索尼爱立信手机300美元以下”或“三星手机3g”。由于我是Lucene/Elasticsearch的新手，我想知道最好的方法是什么 我是否需要在代码中解析“上、下、下”等术语，然后为Elasticsearch生成相关查询，还是有更好的/标准的方法？我知道NLP是一个非常复杂的领域，但我想知道其他人是如何做到这一点的，以及需要付出多少努力。我想补充一点，它不需要完美。有
在lucene spatial 4中，我想知道geohash索引在幕后是如何工作的。我理解geohash的概念，它基本上取2个点（lat，lon）并创建一个“string”散列 索引只是一个“字符串”索引（r-树或四叉树）还是沿着这些线的某个东西（例如只是索引一个姓氏）…或者它有什么特别之处 对于预先固定的类型搜索，是否所有的n-gram散列都被索引，例如，如果一个geohash是 drgt2abc是否将其索引为d、dr、drg、drgt等 是否存在我们可能需要索引的默认n-gram数 使用这种
我有一个自定义的“短语查询解析器”，由一些不可用的第三方开发。 该解析器将多个查询类型重写为多个查询（每种类型以某种不同的方式）。 问题是，它是为Lucene v3编写的，现在我正在将搜索迁移到L.v4，而该解析器开始获取另一个要重写的类型（ConstantScoreQuery），这在以前是不期望的，现在它不由该解析器处理 有人能帮我解释一下如何将ConstantCoreQuery转换成一种SpanQuery类型吗 致以最良好的祝愿， Piotr是一个包装器。很可能它仍在生成一个SpanQuer
elasticsearch
我希望创建一个查询，它将过滤掉包含通配符的ID。例如，我想在任何地方搜索一些东西，除了ID包含单词current的地方。这可能吗？是的，可以使用/。我想不出一种直接使用补码选项的方法，因此我使用bool must_暂时不能解决您的问题。如果可能的话，我会在以后完善答案 POST <index name>/_search { "query": { "match_all": {} }, "filter": { "bool": {
我正在使用ASP.NET MVC开发Solr版本4.10.2 我在Solr中执行了一个查询，如下所示： http://localhost:8983/solr/MyCoreName/select?q=red+sony+mobile+bluetooth+&wt=json&indent=true&defType=edismax&mm=50%25&stopwords=true&lowercaseOperators=true 更新 我已使用以下查询选项执行了查询： options = new QueryO
我的要求是每个租户的每个索引，我已经将hibernate配置为多租户，我需要将每个租户的数据库索引到不同的索引。我注意到了动态硬化策略。。但需求是动态的。它可以有n个碎片，而不需要任何关于每个租户存在的预先信息。甚至我的索引器也应该以这样的方式工作。每当它找到获取索引的hibernate请求时，它应该首先为该租户编制索引，然后对其进行搜索 我怎么能做到 谁能给我举个例子吗。 请不要给hibernate文档链接。。。甚至是用于hibernate搜索的Jboss文档链接。要对特定租户进行索引，您应该
我当前在我的\u config.yml中有一个类似这样的事件集： future:true collections: events: output: true permalink: /:collection/:name 我试图只显示未来的4个职位。但是，我想根据是否会显示0或1、2、3或4篇文章来更改其容器的类别 {% assign curDate = site.time | date: '%s' %} {% for event in site.events %}
有没有一种简单的方法可以配置Lucene.net的标准分析器，用标点符号索引和搜索词汇，例如Owner's，（Owner），hello world，Owner 标准分析器是我选择的分析器，因为我仍然希望能够识别URL/电子邮件并从查询中删除停止词。我通过将标准分析器替换为空白分析器，找到了解决方案。现在，它将所有单词（包括带有标点符号的单词）索引到Lucene中。我还将每个字段的值转换为小写，并在索引过程之前手动删除字符串中的所有停止字
以下是我做的项目 我在远程模式下启动了点火 我创建了一个缓存并添加了一些数据。（还创建了缓存配置） 我正在做文本查询 我的代码如下所示 TcpDiscoverySpi spi = new TcpDiscoverySpi(); TcpDiscoveryVmIpFinder ipFinder = new TcpDiscoveryVmIpFinder(true); String hosts[] = new String[]{"ip:48500"} ; ipFinder.s
我正在使用Lucene.NETVER3.0.3并使用StandardAnalyzer创建索引 我的索引中有一个文本，模糊搜索似乎不起作用 文档中的文本：CUBAEXPORT 正在搜索的文本：CUBAEXPOR 最低相似性：90% 长度（立方导出）=10 长度（CUBAEXPOR）=9 编辑距离=1 相似性=（（10-1）/10）*100=90% 据我所知，CUBAEXPOR的比例肯定是90%，但现在是88% 它基于搜索项的长度和索引项的长度中的较小者。因此，由于搜索词的长度为9，因此0.88
我设置了一个工作搜索，在那里我给出了刻面范围，并得到了正确的结果。 问题是，对于价格方面，我需要依赖于返回的结果，所以我无法事先知道范围 示例1：搜索发现4种产品的价格如下：20、30、40、55。因此，我希望这些方面是这样的： 0 - 20 (1) 21 - 40 (2) 41 - 60 (1) 100 - 200 (1) 300 - 400 (1) 示例2：搜索发现了两种产品，价格如下：200400，所以我希望这些方面是这样的： 0 - 20 (1) 21 - 40 (2) 41 - 6
我试图得到Lucene的结果，首先是标题精确，然后是标题通配符，然后是标题模糊，然后是FieldX通配符，然后是FieldX模糊。。。但结果不符合预期顺序（模糊结果更高） 查询： Title:term^3 Title:term*^2 $"Title:term^1.9~ Field1:term*^1.6 Field1:term^1.5~ Field2:term*^1.4 Field2:term^1.3~... 如何使用Lucene获得所需的结果排序？您是否尝试过按结果分数排序结果？示例
我有一个关于Lucene得分的问题。索引中有两个文档，一个包含“我的名字”，另一个包含“我的名字”。当我搜索关键字“我的名字”时，第二个文档列在第一个文档的上方。我想要的是，如果文档包含我键入的确切关键字，那么应该首先列出它，然后再列出其他关键字。有人能帮我怎么做吗。谢谢。第二次尝试回答： Lucene的默认行为应该是你所要求的。 这里的关键因素是分数的一部分——有时长文档的分数低于短文档的分数。有关上下文，请参见。比如说，如果两次点击的长度标准是相同的，那么它们被任意排序 该函数将帮助您了解为
当我只向模式添加一个随机场时，是否需要重建Lucene索引？或者我可以运行一些代码来更新该字段而不重建索引吗 这是我需要添加的字段： 在本例中，Lucene是在Solr上运行的。IIRC您不需要重建索引或运行任何代码来更新随机字段，因为该字段类型实际上没有值，即它的值是根据完整字段名根据需要生成的。谢谢，事实证明是这样的。我的Lucene书还在邮寄中。：）
我想从html索引文本，在Lucene中，实现这一点的最佳方法是什么？ 在Lucene中有什么好的Contrib模块可以做到这一点吗 编辑 最终使用了Jericho解析器。它不创建DOM，并且易于使用 我假设您实际上不想为HTML标记编制索引。如果是这种情况，您可以首先使用从HTML提取文本。然后您可以在Lucene中为文本编制索引。您可能还想看看/Lucene-3.0.3/src/demo，它有一个HTML解析器示例。我建议使用来提取文本，然后使用Lucene。它对我很有用。还有比Tika更好
如何从solr中提取所有令牌？不是来自一个文档，而是来自solr中索引的所有文档 谢谢 您可以这样做（此示例被批准用于lucene 4.x索引）： IndexSearcher isearcher=newindexsearcher（dir，true）； IndexReader=isearcher.getIndexReader（）； Fields=MultiFields.getFields（读卡器）； Collection cols=reader.getFieldNames（IndexReader.
假设我正在请求[hibernate search]lucene短语。有两个文档满足确切的短语，但是有很多文档使用[hibernate search]lucene。我应该如何构造一个查询，首先显示准确的文档，然后显示没有单个单词的文档（[hibernate search]短语）？只是它们：“我的短语”我的短语 对结果进行排序怎么样？我需要将“我的短语”的文档放在第一位，因为它与短语和术语查询都匹配。如果你担心的话，你可以更进一步：“我的短语”^2我的短语。
我正在为我的应用程序构建lucene web服务器（Java），并期望上游应用程序每秒能对该服务器进行近100次搜索（该服务器将托管在各种物理机箱上，由负载平衡器进行平衡） Data perspective I将拥有近50K个文档（每个文档的大小小于1kb），并且每天会有约500个新文档/更新文档 我想知道在不影响上游扫描过程性能的情况下，每天在500个文档上建立索引的最推荐方法 我不能在我的所有服务器之间使用任何共享位置来共享文件索引，我可以想到几个选项 1） 使用DB索引（JDBC目录）-不
我正在尝试调试Lucene中的索引文档，我需要查看索引的内容，以便准确地查看文档是如何被索引的。据说Luke是这样做的，但是没有任何相关的文档，当我把它指向索引目录时（在其中任何一个目录下，虽然我不知道为什么它不能找出哪一个是正确的），我什么也得不到。确实有一些简单的方法可以做到这一点吗？卢克是一个简单的方法。你运行它，浏览到索引，然后开始比赛。再简单不过了。通过使用Luke的一些特性，也许它会帮助您继续使用它 还有其他的工具，比如，这也是一个很好的工具，但它比Luke更难开始 如果你能提供一些
如果我有一个标记化的字符串，例如“12345 12346 12347”，范围查询会在该字段上工作吗？不确定.net，但在Java中，这会产生奇怪的结果。对于字符串范围查询，Lucene使用string.compareTo（string）。那么比如说, "2".compareTo("10") 结果将是1，这意味着2在词典上大于10。同时，1在词典学上小于10。这就是你想要的吗
elasticsearch Elasticsearch-使用同义词检查查询中是否包含文档
elasticsearch Lucene
fuzzy-searchsynonym
我想构建一个应用程序，其中匹配要求文档中的每个令牌至少包含在查询中一次 请注意，这与标准预期不同。因此，文档现在相当小，而查询可能非常长。例如： 文件： "elastic super cool". 有效的查询匹配将是 "I like elastic things since elasticsearch is super cool" 我设法从弹性搜索中获得匹配令牌的数量（另请参见）。 因此，在上面的示例中，3个匹配（=文档长度）表示查询匹配 但是我怎样才能把它和同义词结合起来呢 假设“酷”的同
我希望能够结合Kibana术语图的功能（能够根据特定属性值的唯一性创建bucket）和直方图图（根据查询将数据分成bucket，然后根据时间说明日期） 总的来说，我想创建一个直方图，但我只想基于一个查询的结果创建直方图，而不是像在数据库中那样创建多个查询。相反，我希望每个bucket都是根据特定字段的唯一值动态创建的。例如，考虑以下查询返回的数据： {"myValueType": "New York"} {"myValueType": "New York"} {"myValueType": "N
如何在多JVM设计中使用Lucene 例如，我们有一个JVM负责写入索引（因为不能有多个写入器写入同一个索引） 现在我们有400个不同的客户机JVM，它们正试图从索引中读取数据 我已经实现了一个用于写入索引的IndexServer JVM。 并在每个客户机JVM中提供读卡器api，即每个客户机JVM都在打开IndexSearcher/reader以从相同的索引中读取 写入频率为每分钟20K个文档（纯文本行）（500个文件/分钟） 读取频率为每5分钟20K个文档 我们在读者和作者身上都面临着严重的
我正在使用org.apache.lucene.analyzer.en.EnglishAnalyzer删除停止词和词干。然而，当我有一个像“心脏病”这样的短语时，分析器所做的是从短语中间删除“和”，这将使它变成一个无意义的短语（输出为“心脏病”）。我如何处理此问题并仅在必要时删除停止词？仅在必要时？这是什么意思？你指的是什么输出？停止词会被删除，因为它们不是有意义的搜索词，而分析通常只会影响文本的索引形式。它不应该影响搜索结果中返回的存储文本。如果你看一下我在帖子中的示例，你会知道我所说的“如果有
elasticsearch 更重视场的存在性
elasticsearch Lucene
我正在尝试学习和编写elasticsearch查询。我意识到有一个“exists”字段返回指定字段是否存在的文档。为了了解这一点，我编写了一个简单的查询，我想了解更多信息并使用查询结构 我有一个查询，它只检查至少一个指定字段是否存在。然而，我想给一个领域更多的权重。这是我的疑问： "query": { "bool": { "minimum_should_match" : 1, "should": [ { "exists": { "field": "ge