我有一个DIH的工作solr现在我需要添加多行，这是与solr索引文档的一对多关系 TABLE: ID:int PK post_id:int FK name:string value:text type:(int|string) 我需要将基于FK（post_id）的所有行插入到具有动态名称的solr文档中，并根据类型转换值 SELECT name,value,type FROM TABLE WHERE post_id='${post_entity.id}'; loop insert into
我想索引PDF（和其他丰富的）文档。我正在使用DataImportHandler 下面是my schema.xml的外观： ......... ......... <field name="title" type="text" indexed="true" stored="true" multiValued="false"/> <field name="description" type="text" indexed="true" stored="true" multi
我在索引中有这些字段 id name genders ages 1 "John Doe and Co." "male male" "18 20" 2 'Mr. and Mrs. Joe Dee' "male female" "25 27" 下面是检索这两行的代码 $min_age = '19' $max_age = '26'; $ages_query = new Zend_Search_Lu
如标题所说，我遇到了一个困惑的问题。 我已经为我的测试程序建立了一个索引，然后我使用IndexWriter将一个文档添加到索引中。代码是： IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer); IndexWriter iwriter = new IndexWriter(directory, config); Document doc1 = new Document(); doc1.a
elasticsearch 集成Elasticsearch&；无需重新索引的斯坦福NLP
elasticsearch Lucene
Nlp
Stanford Nlp
opennlp
我们一直在系统中使用Elasticsearch。尽管我使用了它的分析器和查询。我没有深入研究它的索引。到目前为止，我不知道ES能让我们在多大程度上利用其碎片中的Lucene（反转）索引 我们现在正在研究一系列NLP特性——首先是NER 斯坦福NLP上诉 没有插件可以将这两个包一起工作（？） 我还没有深入研究斯坦福NLP。然而，据我所见， 它起作用了 它完全依赖于自己的索引。无论传递给它的对象或类型是什么， 斯坦福NLP正在为它自己编制索引，并从那里开始 这将使系统对同一组文档使用两个不同的索引-
我有一个lucene索引，其中包含具有以下字段的文档：num（IntField）、title（TextField，stored）、contents（TextField，notstored） 我想在此索引中添加一个字段。我尝试了这个方法（在找到documentId后，读写器都打开了，q是我用来查找documentId的查询）： 但是，当我试图查询新编辑文档的索引时，似乎找不到它 编辑：在我添加该字段之前，它工作得很好，对于我没有编辑过的其他文档，它仍然有效。您如何再次搜索它？你要重新打开搜索程序吗
elasticsearch 在elasticsearch中重新命名字段名称
elasticsearch Lucene
我试图在弹性搜索中重命名字段名，下面是示例数据，其中我需要更改部分/所有字段名以及嵌套对象 { "took": 63, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 1000, "max_score": 1,
我需要在搜索结果中显示每个类别的文档总数…例如： 岩石（1010） 蓝调（5030） 流行音乐（2209） : : 我在某个地方读到，使用TopFieldDocCollector比HitCollector类更有效 根据我的要求，如何使用TopFieldDocCollector类？或者Lucene中是否有其他方法？HitCollector是一个抽象类TopDocCollector和TopFieldDocCollector是该类的实现。它们不可能“更高效”，因为在HitCollector中没有实际的
我有一个包含英文/意大利文帖子的文本文件。我想把帖子读入一个数据矩阵，这样每一行代表一篇帖子，每一列代表一个单词。矩阵中的单元格是每个单词在帖子中出现的次数。词典应包括整个文件中的所有单词或非详尽的英语/意大利语词典 我知道这是NLP常见的基本预处理步骤。我知道编写代码是非常简单的，我想使用一些NLP领域特定的工具，这样我就可以删除停止词等 有人知道可以执行此任务的工具\项目吗 有人提到ApacheLucene，你知道lucene索引是否可以序列化为类似于我需要的数据结构吗？也许你想看看。它是文
对于一种特定的查询类型，我会得到许多具有相同最高分数的文档。每次调用此查询时，我想随机抽取10个文档。因此，进行相同搜索的用户每次都会得到不同的结果。这听起来确实是个糟糕的主意，但实际上是有商业意义的 我现在的想法是从索引中获取所有得分最高的文档，然后从中随机抽取10个 我该怎么做？还有别的办法吗 请注意，我仍然希望高分保持在榜首，只是洗牌。我不想在洗牌中包括较低的分数，也不想将他们排除在列表的底部 非常感谢 Solr/Lucene提供了一个可用于对文档进行随机排序的方法。 由于您对所有文档的分
我的应用程序为每一行生成唯一的id，以便在lucene中编制索引并保存到数据库。 一个问题是，如果有和行具有相同的id，我想更新它，而不是插入新行和索引 如何做到这一点？这正是该方法的目的。第一个参数是索引中必须唯一的术语 比如说, String id = "42"; Document doc = new Document(); Field field = new Field("id", id, Store.YES, Index.NOT_ANALYZED); doc.add(field); i
如何在Lucene中对两个多词短语进行近似搜索。例如，我想找到所有 黑色实验室*黑色拉布拉多犬、黑色拉布拉多犬等，带有5个单词的短语“宠物店”。我应该使用哪种分析仪？建议使用哪种查询解析器？我在Lucene.NET工作。我已经将ComplexPhraseQueryParser从Java移植到了C，但该解析器似乎没有起到作用，或者我只是用错了。我刚刚开始学习Lucene，非常感谢您的帮助。您只需要。您只需要。您可以使用一个： new SpanNearQuery( new SpanQuery
我目前有一个Seam组件正在我的会话中。这个组件是 持有一个自定义的“Lucene对象”（私有属性），该对象打开一个Lucene 构造函数中的索引。当我想搜索时，我使用“Lucene对象” 在我使用已经打开的Lucene索引的会话中。 因此，当我想搜索其他内容时，我仍然可以重用已经存在的 打开索引 但是现在，我没有一些Java逻辑来关闭阅读器。不应该 这可以在一些方法中完成，比如destroy（）方法（由 （虚拟机）？ 或者如果我不手动关闭读卡器可以吗 谢谢， Jochen你不应该让lucene
elasticsearch
是否有一种方法可以获得“前10个”方面，但同时获得我们可以创建的所有可能方面（在这种情况下，我们文档中的所有不同王国） 我知道我可以将“大小”增加到一个非常大的数字，但是它会生成一个非常大的JSON，处理成本可能会更高 一个简单的方面 "facets" : { "kingdom": { "terms": { "field": "kingdom", "size": 10 } } 提前感谢json响应
如何删除Lucene中给定字符串“这是化学方向”的停止词我认为Lucene是您正在寻找的。您应该使用StandardAnalyzer，它知道某些标记类型，小写，删除停止词。。。 使用StandardAnalyzer创建IndexWriter的示例： public IndexWriter Indexer(String dir) throws IOException { IndexWriter writer; Directory indexDir = FSDirectory.ope
我一直在网站的某些部分使用Sitecore查询和快速查询。但随着内容的增长，这些查询变得越来越慢，我想实现Lucene内容查询以加快速度 我想知道我是否可以只使用系统索引，而不必设置单独的索引。Sitecore是否默认索引内容编辑器中的所有内容？这是一个好方法还是我应该创建自己的索引？您将希望实现自己的索引。因为同样的原因，当有很多内容时，你会看到事情变慢，当有很多内容时，索引也会变慢 我更喜欢专门用来驱动我需要的功能的目标索引，而且索引中只包含所需的数据。这允许在组件上使用更小、更高效的索引
对于我正在进行的一个项目，我有一个近1000万个文档的索引。对于从100k到5m的文档集，我需要定期添加字段 Lucene 4支持更新文档（基本上是删除和添加）。将字段添加到更大的文档集中的好方法是什么 到目前为止，我尝试使用SearcherManager包装IndexWriter，并通过在BooleanQuery中包装这些内容，对尚未包含字段但与我感兴趣的查询匹配的文档进行小规模搜索。然后，我迭代ScoreDocs，检索文档，添加新字段并调用writer.updateDocument，使用与每
假设我有一个使用诸如国家列表之类的条件的搜索。用户可以选择一组要搜索的国家，并将此国家与其他标准结合起来 在SQL中，我会在where子句中这样做，即where（国家=‘巴西’或国家=‘法国’或国家=‘中国）和（其他搜索条件） 目前还不清楚如何在Lucene中做到这一点。Query.combine似乎很有前途，但如果我要处理多组“或”术语，那么复杂性会很快增加 Lucene在这方面有能力吗？或者我应该用这些类型的标准点击我的常规数据库并过滤我的Lucene结果吗 深入挖掘，您似乎可以嵌套布尔查询
elasticsearch
我有以下问题，我有一个文档，它有一个字段“xxx”，在整个索引中可能有重复的值， 我想做一件非常简单的事情，我想能够在所有其他字段上使用bool查询来查询索引 但是查询结果应该只返回基于xxx的不同结果，我的索引模拟人，住在同一所房子里的人是重复的。我只希望在我的搜索结果中有不同的房子，但是搜索是在所有房子中进行的 我提前知道复制，因为这是一项一次性索引工作，是否有什么技巧可以在elasticsearch中启用此功能，我正在四处阅读，我知道distinct在elastic或lucene开箱即用中
我在一个Umbraco网站上有一个使用Lucene-examisearcher的应用程序，当该应用程序尝试进行搜索时，我得到一个段文件未找到错误 找不到文件“\n5200-2\iis7\u www\a\r\mysite\www\App\u Data\TEMP\testerindexes\nformentryindexset\Index\segments\u a” 在谷歌搜索之后，我发现这可能是因为多个进程试图同时访问或写入索引 我已尝试重建索引，但仍然出现错误 我怎样才能知道是什么在试图访问索引
我有一些关于环绕声询问雷达的问题。你们谁能提出建议 如何一次搜索多个字段 如下所示，语法允许搜索一个字段。但是如何提交类似“FIELD1:N（abc，corp）FIELD2:N（xyz，corp）”的查询呢。环绕式QueryParser是否可以实现类似的功能 SrndQuery SrndQuery=org.apache.lucene.queryparser.round.parser.queryparser.parse（strtxtstsearchString）； Query Query=srnd
elasticsearch
我有一个值为CountryCode的字符串字段 当尝试使用值查询它时，SE可以正常工作 当尝试没有价值，我没有得到任何结果，而有几千 任何人都知道为什么，我甚至在地图插件中使用Kibana，没有显示任何来自“否”的内容。是否在停止词列表中？将搜索“否”的字段设置为“未分析”，否则默认情况下它将被视为停止词，并且不会作为术语索引。注意：在v1.0.0中，标准分析器不再使用英语停止词列表，正是出于这个原因，您可以发布索引或CountryCode字段的映射吗？还有一些带有NOYou的示例文档不需要再做
假设某个特定字段的值是已知的。是否可以从索引中获取与docValue匹配的docId列表 我使用的是Lucene 4.6.0。这可以通过对docvalue进行顺序搜索（在磁盘或内存中）来实现。这与FieldCache中的值类似，但实现方式不同 在Lucene 4.6中，您必须查看FunctionValue的具体实现： 在Lucene 4.0中，API如下所示： getDirectSource（）返回可用于基于磁盘的访问的源。用于基于内存的访问的DocValues.getSource（）。源类和特
我想弄清楚Lucene的街区是什么 文件说明如下： 以原子方式添加按顺序分配的文档块 文档ID，以便外部读卡器可以看到 文件 警告：索引当前不记录作为块添加的文档。今天这很好，因为合并将保留 块一段中文档的顺序将被保留，甚至 删除块中的子文档时。大多数搜索功能 （如结果分组和块连接）要求您标记 文件；删除这些文档后，这些搜索功能将 没有按预期工作。显然是在现有块中添加文档 将需要您重新索引整个块 这听起来不像块是一种数据结构，它只是在一次提交中添加的一组文档 但是如果这是真的，合并时块是如何保留
代码如下： public int docLength（字符串文件名）引发IOException{ 整数长度=0； TermFreqVector t=indexReader.getTermFreqVector（0，“内容”）； for（int i=0；i
我是Lucene的新手。在理解它的过程中，我可以成功地为目录中的文件编制索引，并进行了基本的lucene搜索，以获得特定单词所在的文件列表 现在我试着从一个文件中提取这个句子，这个文件中有搜索词。 我找了很多，但都找不出来 问候。您正在寻找方法 org.apache.lucene.search.highlight.Highlighter.getBestFragment 这种方法在输入时获取分析原始文本生成的标记集，并在输出时返回最相关的文本片段。如果碎片太大，请记得修剪它们。谢谢大家的回复 我试
elasticsearch 如何在Elasticsearch中突出显示嵌套字段
elasticsearch Lucene
nestednested-query
虽然Lucene的逻辑结构很复杂，但我试图在内容中出现某些搜索结果时突出显示我的嵌套字段 以下是Elasticsearch文档的解释（映射`） 内部执行 在内部，嵌套对象作为附加文档编制索引，但是，由于可以保证它们在同一“块”中编制索引，因此可以非常快速地与父文档合并 在对索引执行操作（如使用match_all查询进行搜索）时，这些内部嵌套文档会自动隐藏，并且在使用嵌套查询时会冒泡出来 因为嵌套文档总是被父文档屏蔽，所以在嵌套查询的范围之外永远无法访问嵌套文档。例如，可以在嵌套对象内的字段上启用
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
当我在名为“内容”的字段上使用PhraseQuery进行研究时，我收到一个例外情况。 为了索引这个字段，我使用了org.apache.lucene.document.TextField类，因为这个字段包含很多单词。 我使用FrenchAnalyzer和RAMDirectory类创建索引 线程“main”java.lang.IllegalStateException中的异常：字段“comment”被索引，没有位置数据；无法运行短语查询（短语=注释：“skype”） 位于org.apache.luc
我试图在CloudAntNoSQL数据库中的索引中使用日期和时间编写索引和搜索。 当我只传递查询字符串中的日期时，它工作正常 created_date:[2015-08-16 TO 2015-08-27] 这将返回正确的结果，但在参数中包含时间时： created_date:[2015-08-16 07:38:00 TO 2015-08-27 07:38:02] 我得到一个错误： Cannot parse 'created_date:[2015-08-16 07:38:00 TO 2015-
我有一个关于alfresco FTS/lucene搜索的问题。众所周知，在搜索查询中，某些特殊字符必须转义，如空格（通过\u x0020\u） 但事实证明，若文件夹的名字first chatacter是一个数字，那个么它也应该被转义。通过创建文件夹（如123456）并导航到节点浏览器中的父文件夹（在我的情况下，我有以下文件夹结构：*/2017/123456/），可以在节点浏览器中轻松测试它： 主路径：/app:company\u home/st:sites//cm:\u x0032\u 017/
我正在尝试将日语文本标记化，并将词性属性提取为 Kuromoji/Lucene附带了一个属性实现，该实现应该提供POS数据，但我无法提取该数据-我在POS.getPartOfSpeech（）行上得到了一个NullPointerException。特许属性打印。我错过了什么，做错了什么 String content = "こんばんは 今日寒かったですね 今日、頂いたお菓子があまりにも美味しくて 上り羊羹 御利益ありそうな、ネーミング ぷるんぷるんの、上品な水羊羹です！ そして、スイーツもう
我有一个服务器集群，它使用位于网络驱动器上的Lucene索引为文档编制索引。我同步了IndexWriter创建，因此一次只能创建一个实例。每秒大约有50个文档添加到索引中，因此索引会被主动更新。但在一天左右的时间里，索引突然缩小，从几GB减少到几乎为空，然后又开始增长。似乎索引中的所有文档都被突然删除，并创建了一个新的索引。我与Luke检查了索引，没有找到任何标记为已删除的文档。我没能准确地知道这是什么时候发生的。但是当发生这种情况时，索引中的所有文件在过去几分钟内都直接有一个新的时间戳，除了w
我刚刚发现了这个有前途的存储引擎，它是Xodus 与传统文件系统相比，虚拟文件系统模式应该优先使用哪些用例 我还看到了ExodusDirectory-lucene的实现，它怎么能比参考的FSDirectory更好呢？是一个简单的事务文件系统，它是在上个月实现的。传统的文件系统不是事务性的，它不允许使用应用程序定义的具有一致性要求的大量数据 Xodus VFS是直接实现的，用于存储中文本搜索使用的Lucene索引。Xodus是YouTrack中的主要存储引擎。除了快照隔离之外，它还具有可配置的共享
elasticsearch 基于前缀和自定义标记器的Elasticsearch自动建议
elasticsearch Lucene
n-gram
我目前正在使用ngram开发自动提示功能 我有以下过滤器、分析仪： "nGram_filter": { "type": "nGram", "min_gram": 3, "max_gram": 10, "token_chars": [ "letter",
有人知道是否有人存在吗 我已经在谷歌上搜索了几个月了 谢谢更新 出于好奇，我联系了Itamar Syn Hershko，他大约一年前在Lucene邮件列表上很活跃，当时他正在为Lucene开发希伯来语分析器。我问他是否完成了分析。以下是他的回答中的一些相关内容： 长话短说，不，我 没有。没有像样的免费软件/ 开放源码希伯来文分析器 Lucene，我可以肯定地说。我是 不确定你的背景是什么 这个话题，但请相信我说的 没有简单的方法可以做到这一点；信息技术 也可能是Lucene没有建造 希伯来语搜
Lucene中是否有一种程序化的方法来知道索引是否优化了 谢谢。isOptimized（）自Lucene 3以来一直被弃用。
使用RavenDB对Lucene索引进行查询 此查询解析为OK： X:[[a]]和Y:[[b]]和Z:[[c]] 但是，此查询为我提供了一个解析异常： X:[[a]]和Y:[[b]]和Z:[[c]]和P:[[d]] “Lucene.Net.QueryParsers.ParseException:无法分析'（和）'：遇到\”“和” 我在复杂的索引和简单的复制案例中尝试了这个方法，同样的结果是，一旦你超过三个，它就会爆炸。我使用[[]]而不进行分析，因为我需要精确匹配（有时值也包含空格等），而从Ra
我们正在使用SpringMVC、Spring和Hibernate开发一个web应用程序 我们需要在应用程序中添加高效的自由文本搜索功能。为此，我们考虑使用Hibernate搜索，它在引擎盖下使用Lucene，或者直接使用Lucene 既然我们已经在应用程序中使用了hibernate，那么对我们来说什么是最好的选择？其中一个的优点和缺点是什么 谢谢 这是你自己说的——你会以这样或那样的方式使用Lucene 原始的Lucene API不太容易使用。它比Hibernate搜索更低级。如果您已经在使用H
elasticsearch
有人知道已经实现了elasticsearch的.NET端口吗？我们已经找到了一个.NET客户端（很容易自己创建），但没有找到服务器。没有，但是为什么要使用.NET版本的服务器 它是一个独立的服务器，所以不管它用什么语言编写 ElasticSearch使用Java中的Lucene库，因此您不仅需要重写ElasticSearch，还需要重写Lucene。为什么这很重要？它是一个自包含的，不管它是如何实现的。@John:您不需要灯堆栈，elasticsearch在Windows上运行得很好。@DrTe
我希望XML模式定义哪些元素可以出现在solrconfig和schema XML文件中，以获得一些IDE完成帮助，并手写一些配置，而不是从网络上复制粘贴，因为许多solr版本都有一些混合内容。我使用的是Solr3.3（它下面有Lucene 3.3） 我在svn或其他任何地方都找不到它。可能Lucene有schema.xml的XSD，它看起来很像Lucene中的文档映射。请看一下。谢谢，虽然这与我要查找的内容很接近，但我担心它是使用推断工具从xml文件推断出来的（我也使用XSDInferance完
我只需要知道标记化输入的结果是否会产生任何标记，如果它做得好，如果不好，我确实需要以另一种方式进行标记化。麻烦如果它确实有一些令牌调用incToken（）会破坏一些东西，这样我就必须在不需要的时候重新对它进行排序，因为第一次还行，我该如何解决这个问题呢？只需使用递增令牌然后重置只需使用递增令牌然后重置
elasticsearch
我有帖子，可以有许多标签。我只希望我的查询返回带有唯一标记的帖子，而不返回其他帖子。比如说 posts: [ { id: 1 tags: [hello, world] ... } { id: 2 tags: [hello] } ] 以下内容： posts: [ { id: 2 tags: [hello] } ] 搜索？q=标签：你好 应仅返回： posts: [ { id: 2 tags: [hello]
我想为RDF节点创建一个Lucene分析器。RDF节点可以有多种类型（uri、bnode、纯文本、带语言的纯文本、带数据类型的类型化文本）。在分析术语时，我想创建一个RDFNodeTypeAttribute、LanguageAttribute和DatatypeAttribute，分别存储RDF节点的类型、文字的语言和datatype属性。我的问题是如何将这些属性存储在lucene索引中。我必须写一个自定义的编解码器吗？我必须使用PayloadAttribute吗？一旦存储在索引中，如何利用这些属
elasticsearch ElasticSearch/Lucene查询字符串—；选择"；“存在X字段”；
如何通过Kibana查询ElasticSearch以选择具有字段X的项目 例如，我有一个映射，其中包含字段{“a”：{“type”：“string”}，“b”：{“type”：“string”}，以及两个文档 {"a": "lalala"} {"a": "enoheo", "b": "nthtnhnt"} 我想在不知道其b实际是什么的情况下查找第二个文档。使用，如： 编辑：如果您需要Lucene查询字符串查询，应该这样做： POST /test_index/_search { "quer
我是lucene的初学者。 我在文档中有一个字段名fstname。 如何检索在fstname字段中同时包含单词“vamshi”和“sai”的文档 public class Indexer { public Indexer() {} private IndexWriter indexWriter = null; public IndexWriter getIndexWriter(boolean create) throws IOException { if (indexWriter =
我想搜索除“en_US”之外所有具有区域设置的节点。我在节点浏览器中尝试了下面的查询，但结果得到了所有节点，而与区域设置无关 PATH:"/app:company_home/st:sites/cm:sample/cm:documentLibrary//*" AND -@sys\:locale:"en_US" 我无法找出查询中的错误。有人能帮忙吗。。。 Alfresco版本：Alfresco Enterprise v4.0.2（.9 38）。。 提前谢谢 […]语言环境在SOLR（基于Apa
我们已经在一个Umbraco应用程序中使用了pdf searcher（nuget软件包）。当我看到pdf搜索结果时，它看起来不是100%正确 搜索结果中前2个PDF包含搜索词，但搜索结果中的第3个、第4个和其余其他PDF没有搜索词。不确定为什么搜索结果中添加了没有搜索词的PDF 有人能提供一些有关umbraco pdf搜索器工作原理的信息吗？并对结果项进行排序 有没有办法从搜索结果中删除根本不包含搜索词的PDF。去下载LUKE（）。这是一个工具，允许您查看索引内部，并查看索引中的内容等 使用LU
elasticsearch Elasticsearch:edgeNGram令牌过滤器对非英语令牌有效吗？
elasticsearch Lucene
cjk
我正在尝试为索引设置新映射。它将支持部分关键字搜索和由ES支持的自动完成请求 带空格标记器的edgeNGram标记过滤器似乎是一个不错的选择。到目前为止，我的设置如下所示： curl -XPUT 'localhost:9200/test_ngram_2?pretty' -H 'Content-Type: application/json' -d'{ "settings": { "index": { "analysis": { "analyzer":
elasticsearch lucene近距离搜索如何处理多个无序单词？
elasticsearch Lucene
proximityedit-distance
我从事弹性搜索，有这样一句话： "Vet caring dog license cat bird" 如果我想搜索“bird dog vet”，我需要至少使用~7作为接近度参数（“bird dog vet”~7）。为什么是~7