我正在玩一个Solr支持的Web应用程序搜索，我想最好使用DataImportHandler通过数据库处理与应用程序的同步。我喜欢只检查last\u updated\u date字段的优雅。好东西。然而，我不知道如何用这种方法处理删除文档的问题。在我看来，我有两个选择。当文档被删除时，我可以从客户端向Solr发送一条明确的消息，或者我可以添加一个“deleted”（已删除）标志并将对象保留在数据库中，这样Solr会注意到文档已更改，现在已被“deleted”（删除）。我可以添加一个查询过滤器，该
我正在建立一个包含特殊名称的搜索索引-包含！和和&和+和。。。我必须处理以下不同的搜索： 我和你 我+你 但无论我做什么（在索引之前尝试过queryparser转义，手动转义，尝试了不同的索引器…）-如果我与Luke一起检查搜索索引，它们都不会出现（出现问号和@-符号等） 背后的逻辑是，我正在对一个实时建议进行部分搜索（字段没有那么大），所以我将其分为“m”和“me”和“+”和“y”以及“yo”和“you”，然后对其进行索引（这样比通配符查询搜索快得多（索引大小不是大问题） 所以我需要的是在索引
我们在Sitecore安装中实现了ADC和部分语言回退。我们已经确定了一个问题，我们希望其他人已经遇到，可以帮助我们解决这个问题 基本上，当在默认语言（全球英语）版本之后创建非默认语言（例如中文）项目版本，并且中文版本“回落”到英文版本时，Lucene crawler不会选择非默认版本。当修改中文版本打破了“退步”时，Lucene拿起了这个项目 我想知道是否有一个解决方案或提示，下一步在哪里可以尝试解决这个问题 谢谢我知道这是一篇老文章，但我们对此有一个答案和一个修复程序，您可以在sitecor
我正在使用lucene 4.3.0，希望用英语和日语字符标记文档 An example is like "LEICA S２ カタログ （新品）" The StandardAnalyzer "[leica] [s２] [カタログ] [新] [品]" The JapaneseAnalyzer "[leica] [s] [2] [カタログ] [新品]" 在我的项目应用中，StandardAnalyzer在英文字符方面做得更好，例如[s]２] 比[s][2]好。日语分析器在日语
从网上的一篇文章中，我知道Lucene.Net有一个EdgeNGramTokenFilter，名称空间为Lucene.Net.Analysis.NGram。但是，我找不到它的源代码，也找不到dll（是的，我检查了Nuget） 在哪里可以找到Lucene.Net的EdgeNGramTokenFilter？您可以在Contrib.Analyzers项目的“Lucene.Net.Analysis.NGram”命名空间中找到它。从NuGet安装包将在您的项目中添加对Lucene.Net.Contrib.
Lucene 4.8.1-我试图将其归结为一个非常小的示例，仅说明了这个问题 我在下面插入了一个文档，其中有一个boost值为0.75的字段。然后我立即将该文档拉回来，提取字段，然后打印出来——boost显示为1.0 public static void main(String[] args) throws IOException, ParseException { // Put a document in with a field with a boost of 0.75 A
我写了一个lucene搜索。一切正常，但搜索将返回每篇期刊文章的所有版本。如何对此搜索进行限制，使其只能返回最新版本的期刊文章 这是一段搜索代码： ThemeDisplay themeDisplay = (ThemeDisplay) actionRequest.getAttribute(WebKeys.THEME_DISPLAY); HttpServletRequest httpServletRequest = PortalUtil.getOriginalServletReque
elasticsearch Lucene自定义相似性/评分
elasticsearch Lucene
similaritytf-idf
我正在寻找Lucene（Java）中的相似性模块，该模块提供基于权重的分数。我知道这很模糊，最好用一个例子来解释 Document 1 ----------- Firstname: Francesca Document 2 ----------- Firstname: Francisco 使用双变音和改进的Soundex语音算法分析Firstname字段。在索引阶段 因此，反向索引如下所示（最后两项分别由Doublemetaphone和精炼Soundex给出）： 现在，我的搜索查询如下所示：
elasticsearch 如何在elasticsearch中获取文档中短语的频率？
elasticsearch Lucene
phrase
我想获得特定文档中短语（术语序列）的频率 示例： 考虑以下由elasticsearch编制索引的文档： doc1:一二三一二 doc2:三一二四 我想发出一个查询，指定一个短语和一个文档，并给出该文档中短语的频率；e、 g: 短语频率（doc1，“一二”）=2 短语频率（doc2，“一二”）=1 我知道必须使用“span near queries”来完成这项工作，但无法找到一种方法来获取频率（而不是文档的排序列表） 感谢您的帮助 是Elasticsearch中用于span查询的文档。谢谢！但
我想使用nutch抓取新的URL列表，但有一些未抓取的URL可用： bin/nutch readdb -stats WebTable statistics start Statistics for WebTable: retry 0: 3403 retry 1: 25 retry 2: 2 status 4 (status_redir_temp): 5 status 5 (status_redir_perm): 26 retry 3: 1 status 2 (
这个问题是这个问题的衍生问题。 我的调查是双重的，但因为两者都是相关的，我认为把它们放在一起是个好主意 如何以编程方式创建查询。我知道我可以开始创建字符串并使用查询解析器解析该字符串。但是，当我从其他资源收集零碎的信息时，有一种编程方式可以做到这一点 Lucene查询的语法规则是什么 --编辑-- 我将给出一个查询的需求示例： 假设我有5个字段： 名字 姓 年龄 地址 一切 所有字段都是可选的，最后一个字段应搜索所有其他字段。 我检查每个字段，看它是否为NullOrEmpty（）。如果不是，
我想知道Lucene的葡萄酒是什么 我读了这篇文章，但我不明白它是什么，Lucene在哪里使用它？ 为什么Lucene不使用简单整数或大整数 谢谢。VInt指的是Lucene的可变宽度整数编码方案。它在一个或多个字节中编码整数，只使用每个字节的低位七位。除最后一个字节外，所有字节的高位都设置为零，这是长度的编码方式。VInt非常节省空间。理论上，它可以节省多达75%的空间 在Lucene中，许多结构都是整数列表。例如，给定术语的文档列表、术语在文档中的位置（和偏移量）等。这些列表构成了lucen
如何读取通过HDFS存储的lucene索引目录，即如何获取通过HDFS存储的索引的IndexReader。IndexReader将在映射任务中打开 类似于：IndexReader=IndexReader.open（“hdfs/path/to/index/directory”） 谢谢， Akhil如果你想打开一个存储在HDFS中的Lucene索引进行搜索，那你就太倒霉了。顺便说一句，没有允许搜索操作的HDFS目录实现。出现这种情况的一个原因是，HDFS针对大数据块的顺序读取进行了优化，而不是Luc
我无法理解mergefactor和minMergeDocs之间的区别 例如，我想索引10000个文档，其中100个文档填满了我的RAM缓冲区，所以Lucene将把这100个文档作为一个文件写出。现在，如果我将mergefactor设置为5，当第五段写入磁盘时，Lucene将把所有现有段合并为一个段，依此类推 1.minMergeDocs在这方面有什么优势？如果我有mergefactor=5和minMergeDocs=10——mergefactor是否优先于minMergeDocs 2。另外，当L
我们正在使用Cassandra数据库，该数据库将存储PB范围内的数据。我们正在考虑使用ElasticSearch或Solandra，但我们正在愉快地决定使用哪一种。我想知道我们的数据库是不是太大了。我知道ElasticSearch是可伸缩的，但在多大程度上——特别是在Cassandra数据库中 另一方面，Solandra是为Cassandra设计的，具有很高的可扩展性，但又能扩展到什么程度呢 两者都是可伸缩的，但使用Cassandra的可伸缩性如何？Solandra在10 TB的范围内使用 你是
我试图在我的应用程序中使用AmazonS3实现Lucene来存储我生成的索引，但是我可以找到任何代码示例或清晰的文章。因此，任何有这方面经验的人，请给我一个指导或一些可以帮助我开始的东西有一个类似的问题。 这是一篇有趣的文章，介绍了最大的Solr服务提供商Lucid Imagination如何在EC2上部署Solr实现。 这是他们的搜索即服务解决方案 如果您没有绑定到S3，则可以使用名为的专用Solr云服务 此外，如果您的开发项目需要完整的ALM/CI解决方案，则中包含一个WebSolr模块。这
我使用的是嵌入式内容数据类型(http://farmcode.org/post/2011/01/20/Presenting-a-new-Umbraco-data-type-Embedded-Content.aspx)而且我似乎找不到一种方法来正确使用Umbraco-Examine在嵌入式内容数据类型中进行搜索 返回的搜索结果对象将嵌入的内容类型表示为一个字符串，所有字段混合在一起，而不是原始xml格式 有没有办法让我可以搜索嵌入内容类型中的各个字段？这个问题在上得到了回答（如上面的评论所述），推
我想在Lucene中控制段合并。更准确地说，我有一个每段缓存，每次有一个合并，我想有一个“回调”，并检查哪个段将被合并 我查看了IndexWriter代码，看起来它是IndexWriter的内部操作。我也不想攻击IndexWriter。我看到一个名为MergeScheduler的接口。实现这个类的最佳方案是什么 你知道怎么做吗？提前谢谢 也许您可以将正在使用的子类化（默认为TieredMergePolicy），并通过覆盖findMerges方法拦截要合并的段，如下所示 MergePolicy.M
我正在使用Lucene.NET 3.0.3 如何使用给定函数修改拼写检查器（或一般查询）的评分 具体地说，我希望拼写检查器对搜索词的排列结果的评分高于其他建议，但我不知道应该在哪里这样做 我也会接受一个回答，解释如何使用普通查询进行此操作。我有这个函数，但我不知道把它变成一个查询、一个过滤器或其他东西是否更好 我认为最好的方法是在SpellChecker对象中使用定制的比较器 请在此处查看默认比较器的源代码： 非常简单的东西，如果你已经有了比较两个字符串的算法，应该很容易扩展 然后您可以使用设
当我为一些文档编制索引时，我可以添加几个字段，例如contents。但是现在，我想显示的是包含查询词的部分内容，而不是整个内容，就像普通的搜索引擎一样。如何存档？可用于查找和标记查询结果字段中文本的最佳匹配部分（很像谷歌显示粗体文本以匹配片段的方式） 要使用它，您需要包括contrib区域的lucene-highligher-x.x.x jar 这篇博文可能会帮助您开始使用它：请看这个问题：谢谢您的建议。我试过了，但它返回“FieldWeights，tf，idf，fieldNorm”类似的东西，
如何使用TermQuery精确匹配LongField 考虑屏幕上的警告 BytesRef ref = new BytesRef(); NumericUtils.longToPrefixCoded( 12L, 0, ref ); Query q = new TermQuery( new Term( fieldname, ref ) ); 注意：此API仅供内部使用，在下一版本中可能会以不兼容的方式更改。 我注意到这对一些人来说是个问题，因为NumericUtils API确实从到发生了重
我试图在文本中识别预定义的标记 标签可能是 *外科手术 手 妇科学 眼科学 手外科 节肢动物传播的病毒性发热和病毒性出血热 等 我现在要做的是，从文本中检索术语向量，并根据标记索引运行单个向量。我有以下问题 如果我使用带有通配符的关键字查询，我会得到很多不相关的点击。这篇课文包含了约翰的成长。。。。将匹配“节肢动物传播的病毒性发热和病毒性出血热” 如果我使用短语搜索，这个问题就消除了，但是现在标签“手外科手术”将不匹配，因为这些术语只包含单个单词 我只是想知道是否有更好的方法来解决这个问
elasticsearch
我正在索引日志，包括级别，我已经厌倦了对“INFO或DEBUG或TRACE”进行串接查询，是否有任何特定于ElasticSearch或Lucene的方法允许您指定非数字的范围，以便我可以在Lucene中执行类似“level:>=INFO”？的操作您可以这样做： level:[DEBUG TO TRACE] 但这将启用按字母顺序介于这两者之间的任何级别（包括它们，使用{}排除） 更新：可能需要一段时间才能将其添加到Solr中（如果已添加），但这将是您需要的信息或调试或跟踪是唯一有意义的方法。这两
我正在使用Lucene进行用户搜索。对于索引，我有以下代码 private void internalAddUser(User user) throws IOException { Document document = new Document(); document.add(new Field("login", user.getLogin(), Field.Store.YES, Field.Index.NOT_ANALYZED)); document.add(new
elasticsearch
我有一个替换令牌筛选器（） 如何使匹配不区分大小写？您可以在分析器中包含小写过滤器。例如： settings: { analysis: { tokenizer: {pattern_tokenizer: {... define your tokenizer here }} analyzer: { tokenizer: 'pattern_tokenizer', filter: ['lowercase'], ....other details.
elasticsearch
我想在ElasticSearch中索引一些文档，其中包含一个名为name的文本字段。我目前使用snowball分析器为名称编制索引。但是，我希望匹配包含空格和不包含空格的名称。例如，名为“Home Depot”的文档应与“homedepot”、“Home”和“Home Depot”匹配。此外，使用“埃克森美孚”等单字名称的文件应与“埃克森美孚”和“埃克森美孚”匹配 我似乎找不到正确的分析器/过滤器组合来实现这一点。在这种情况下，您可能需要查看ngram类型的解决方案 Ngram的功能如下：
我正在用eXist db构建一个应用程序，它可以处理TEI文件并将它们转换成html 对于搜索功能，我将lucene配置为忽略一些标记 <collection xmlns="http://exist-db.org/collection-config/1.0" xmlns:teins="http://www.tei-c.org/ns/1.0"> <index xmlns:xs="http://www.w3.org/2001/XMLSchema"> &
我只是想知道是否有可能在Solr中存储int、float和double类型的数值的偏移量、位置和频率。对于术语，我们有可以设置偏移量的字符和令牌属性，但对于数值，当存储为Trie或Sortable时，是否可以为其设置偏移量或属性 我曾尝试考虑过有效载荷和有效载荷过滤器，但无法理解哪种过滤器最适合于此，也无法理解是否可以对有效载荷值执行范围查询 否则，也可以使用IndexOptions来设置：DOCS_和_FREQS_和_POSITIONS_和_偏移到字段。但同样不确定这是否适用于术语/字符以外的
我不知道我给Lucene.net打的电话是否正确。我试图调用MoreLikeThis函数来比较一个文档和它本身，我只得到了0.3174651的分数，我想我应该得到1.0的分数。我期待的是错误的期待吗 这是我的代码： int docId = hits[i].Doc; var query2 = mlt.Like(docId); TopScoreDocCollector collector = TopSco
elasticsearch 如何在elasticsearch中匹配包含连字符或尾随空格的查询词
elasticsearch Lucene
amazon-elastic-beanstalk
在elasticsearch映射的mapping char_filter部分，它有点模糊，我很难理解是否以及如何使用charfilter analyzer： 基本上，我们存储在索引中的数据是类型为String的ID，如下所示：“00839234200”。当查询词实际上包含连字符或尾随空格时，我希望能够搜索这样的ID：“008392342-000” 您建议我如何设置分析仪？ 目前，这是该字段的定义： "mappings": { "client": { "properties
是否可以与lucene或fts Alfresco搜索Alfresco共享站点成员？例如，我想找到所有姓氏为“Smith”的站点成员 此外，是否可以搜索对网站文件夹或文档具有特定权限的用户？我不确定您是否可以使用lucene进行搜索，但如果您想查找用户，请使用下面的webscript 如果您在下面的url中看到，则urlnf=NameOfUsers参数指定用户的名称。如果您未指定nf参数，它将返回所有用户 有关上述webscript的更多详细信息，可以使用下面的URL。 您不能直接使用Lucen
elasticsearch 是否按位置顺序返回Elasticsearch突出显示结果？
elasticsearch Lucene
highlight
我目前正在使用elasticsearch在我的查询中提供的功能。然而，有一件事我不太清楚，那就是结果是如何排序的。我更希望他们在段落中出现的顺序是，而不是重要性/分数。这样我就可以将它们与…按与原始文档中相同的顺序连接起来（类似于Google结果）。然而，他们目前正在返回一些基于最佳匹配的加权顺序 有没有一种方法可以做到这一点，而不必在看到突出显示结果后在现场进行额外的后处理 我看到有一个突出显示的“订单”：“得分”选项，但似乎没有任何其他文档化的选项来更改退货订单。（顺便说一句，我不理解默认顺
我找不到太多关于如何正确定义索引函数的文档，这样我就可以对我需要的信息进行全文搜索 我已经使用Alchemy API将“实体”json添加到我的文档中。 例如，我有一个包含以下内容的文档： "_id": "redacted", "_rev": "redacted", "session": "20152016", "entities": [ { "relevance": "0.797773", "count": "3", "type": "Organ
班级员工，班级办公室，班级办公室员工 班级办公室是一个空间实体，可以按预期搜索并返回结果 Office Employee之间的多个关系映射到类OfficeEmployee 现在我需要在一定范围内对某些人执行搜索。换句话说，我必须检查范围内的办公室以及存在于这些办公室的员工，即搜索OfficeEmployee实体 所有这三个类都编制了索引 公务员 班级办公室 @JsonIgnoreProperties（ignoreUnknown=true） @Spatial（name=“office\u loca
elasticsearch 如何过滤Kibana中的特定单词（弹性）
为了便于访问，我使用Kibana（web界面）进行弹性搜索。 我在每行中都有这4种类型的句子，以随机顺序重复： N'Some Name'在找p'Some Name' N'Some Name'正在寻找N'Some Name' p'Some Name'正在寻找N'Some Name' p'Some Name'正在寻找p'Some Name' 我试着只过滤第一个和最后一个字母。例如，我想查看以P'开头，以N'结尾的字母记录。然后我将尝试以下查询： "^P*" AND "w
我的任务是在基于Sitecore（7.2版）的网站上实现内容搜索。出于同样的原因，我计划使用Lucene搜索提供商，因为它与Sitecore捆绑在一起，而且我们的搜索要求似乎并不详尽，我无法尝试使用Solr。 我们希望用户能够从主站点搜索驻留在Sitecore中的内容列表。 解释如何做到这一点的文档和博客是粗略和不完整的 我使用以下博客作为参考点： 在App_Config/Include文件夹中添加索引配置文件后，我希望在Sitecore的索引管理器中看到新的索引。然而，我没有注意到同样的情况
我们最近将HibernateSearch3.4更新为5.5.2。 在新版本中，我们在添加一个新的索引实体时遇到了严重的性能问题，该实体通过外键连接到许多其他实体，这在HS 3.4中是没有发生的。在使用VisualVM进行评测时，我发现大部分性能损失都在org.hibernate.search.backend.impl.WorkQueue.prepareWorkPlan（）方法中，该方法是在提交添加新实体的事务期间调用的。最后，在调用堆栈的深处，我可以看到，在将lucene的新工作排入新实体队列的
我们有一个标记特定数据的应用程序。我的问题是，我有一个逗号分隔的字段需要标记，但不是在空格上。例如： "Age 6, Age 7, Age 8" 变成 Age 6 Age 7 Age 8 我需要 Age 6 Age 7 Age 8 我是否有办法仅更改某些字段的默认行为 我目前拥有的配置设置： <field fieldName="SizeGroup" storageType="YES" indexType="TOKENIZED" vectorType="NO" boost="1f"
elasticsearch 查询字符串查询-两个字段必须匹配
elasticsearch Lucene
我正在使用ElasticSearch 5.1，我想知道是否有可能构建查询字符串查询，它将匹配所有字段field_1和field_2相同的记录 在执行查询时，我不知道它们存储了什么值。我所知道的只是映射，它是关键字 例如，数据： {"id": 1, "field_1": "foo", "field_2": "foo"} {"id": 2, "field_1": "foo", "field_2": "bar"} 当我执行这样的查询时，我只想得到id为1的记录，因为field\u 1===field
有没有办法在GraphDB的工作台中编辑现有的Lucene连接器？提供的按钮仅用于重建、复制和删除连接器。您可以使用“复制连接器”编辑现有的连接器 此功能复制现有连接器的创建参数（可以修改这些参数）并创建新连接器
我是一名.NET开发人员，我需要学习Lucene，这样我们就可以运行一个非常大规模的搜索服务，删除最终用户无法访问的条目。（即用户可以搜索具有3级或更高许可级别的所有文档，但不能搜索2级或1级许可级别的文档） 我从哪里开始学习，应该考虑哪些产品？老实说，我有点不知所措，但我决心把一切都弄清楚。。。最后， < P>如果你想要一本涵盖Lucene所有基本知识的书，请考虑“”。即使代码示例是Java，您也可以轻松地将它们移植到.NET。当然，网络上也有大量的资源，比如SO和Lucene邮件列表，它们应
我知道有一个帖子是关于为lucene将索引加载到Ram中的 但我真的需要它的Solr，以提高搜索速度。任何指针都会有帮助：） 谢谢我觉得这不是个好主意。这就像是在问。Solr在Lucene之上实现了一些非常高效的缓存机制，还有文件系统缓存 如果Solr存在速度问题，这不是解决方案。请发布另一个问题，详细说明您的问题，并让我们向您推荐适当的解决方案 另请参见：我有3600万个条目日志文件，每个条目都有5个小字段。我想搜索它们，因为Traditional DB在索引和搜索它们时失败，所以我想到了S
我一直在尝试使用更像这个捆绑包的方法，将一组文档按照名为“backyardigans”的字段中的匹配数排序，与一个关键文档进行比较。这一切都按预期进行 但我想做的是按3个单独字段的匹配数加在一起排序 一个示例记录是： var data = new Data{ backyardigans = "Pablo Tasha Uniqua Tyrone Austin", engines = "Thomas Percy Henry Toby", pigs = "Daddy P
我无法让它与Lucene 4.0及其新功能一起工作。。。谁能帮帮我吗 我从网上抓取了一堆html文档。现在我想数一数每一份文件中不同的字数 这就是我在Lucene 3.5中所做的（对于单个文档，为了获得所有文档，我循环所有文档…每次都使用一个只包含一个文档的新RAMDirectory）： 我怎样才能用Lucene 4.0做到这一点 不过，我更喜欢使用FSDirectory而不是RAMDirectory来实现这一点；我想如果我有相当多的文档，这会更有效 谢谢和问候 C.使用字段/术语API 请特别
给定以下索引定义，当使用诸如Content:（Morel*）之类的查询时，是否会应用增强功能 我已经向数据库中添加了两个文档，一个是Article类型，另一个是Response类型。两者都具有相同的标题，正文和标签。当我在Raven Studio中对索引运行上述查询时，两个文档返回时都带有相同的$Temp:Score AddMap<Article>(docs => from doc in docs select new
我正在尝试让Lucene search与我的Sitecore安装一起工作。 我已尝试遵循中列出的示例（第2.1节至第2.2.2节） 添加LuceneSearchBox并单击控件的搜索按钮后，我收到以下错误： Server Error 500 - Internal server error. There is a problem with the resource you are looking for, and it cannot be displayed. 这是地址栏中显示的内容，如果它提供
我需要从集合中检索所有文档以将其转储到Excel文件 使用这个似乎有效 var luceneQuery = Session.Advanced.LuceneQuery<Test.ReduceResult>("Test/ByTestData"); var enumerator = Session.Advanced.Stream(luceneQuery); var obj = new List<Test.ReduceResult>();
elasticsearch 按组列出的热门聚合
elasticsearch Lucene
我正在使用top_hits_聚合来获取用户上次访问的文档。我想根据top_hits_聚合的结果进行分组 返回的样本行： { "lastvisited_users": { "buckets": [ { "top_user_hits": { "hits": { "hits": [ { _source: {"c": "s"}}, { _source: {"c": "s,b"}
我试图找到boosting在cloudant搜索索引中的工作原理。i、 e，如果我想通过单词“some text”进行搜索，并将“some”的升幅增加到4，将“text”的升幅增加到1。is Cloudant将首先搜索包含“some”的文档，然后在第一次搜索返回的文档中搜索“text”。或者它将同时搜索“some”和“text”并计算基于相关性的匹配如果您要求Cloudant执行搜索操作并使用boost运算符“^”，则将使用您提供的boost数计算每个文档的相关性分数。例如，搜索查询： q=so
我正在使用与Kentico CMS打包的Lucene.Net实现。我们正在索引的站点有各种语言的文章。如果用户正在查看网站的日文版本（例如）并运行“VPN”搜索，我们希望他们首先看到关于VPN的日文文章，但也能在结果中看到其他语言文章 我试图通过提高_culture字段的查询时间来实现这一点。因为我们使用的是标准分析器（真的不想改变这个），而标准分析器将连字符视为空白，所以我想我应该尝试在用户的查询中添加“（_culture:jp）^4”。正如您可以从Luke工具的解释输出中看到的，这并没有对字