如何在Lucene中找到给定文档的类似文档。我不知道文本是什么，我只知道文件是什么。有没有办法在lucene中找到类似的文档。我是新手，所以我可能需要一些帮助 您可能需要检查lucene的这一特性 MoreLikeThis基于文档中的术语构造lucene查询，以查找索引中的其他类似文档 示例代码示例（java参考）—— 哦，是的..更像我已经知道的这个功能，但是如果只有文档id是已知的，我如何使用它来计算类似的文档呢？实际上，我使用的是lucene.net，但是lucene的实现有非常小的差异
我为Lucene.Net构建了一个自定义收集器，但我不知道如何对结果进行排序（或分页）。每次调用Collect时，我都可以将结果添加到内部PriorityQueue，我知道这是正确的方法 我扩展了PriorityQueue，但它在创建时需要一个size参数。您必须在构造函数中调用Initialize并传入最大大小 然而，在收集器中，搜索者在获得新结果时只调用Collect，因此我不知道创建PriorityQueue时有多少结果。基于此，我不知道如何使PriorityQueue工作 我意识到我可能
我想在lucene索引中添加pdf文件（可能是我添加的）。现在我想通过lucene邻近搜索查询提取特定文本 邻近搜索查询仅返回文件名 但我想提取邻近查询范围内的所有文本。 示例案例： test.pdf:-->“示例文本A xxxxx B.Lucene一直都很棒” 邻近查询是：ab~5 我想摘录：xxxxx 我怎么办 提前感谢您的帮助和提示 问候, SENTHIL SARAVANAN请在索引文件时添加 doc.add(new Field("contents", result
我已经创建了一个Lucene索引，它具有唯一的街道名称，如下所示 StreetName ~~~~~~~~~ 13th Avenue 13th Street 现在，如果我有一个搜索字符串“1204 13th Avenue TAMPA”，我如何创建一个查询，返回Lucene索引中的匹配项，即“13th Avenue”这应该符合您的要求。提供创建索引时不在忽略列表中的单词 StreetName: ("1204" "13th" "Avenue" "TAMPA") 有关查询语法的更多详细信息，请参见此
我曾经使用SnowBallaAnalyzer将自定义停止词过滤与基本词干分析相结合，但它已被弃用。例如，在索引配置中，我可以很容易地指定： IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_32, new SnowballAnalyzer(Version.LUCENE_32, "name", stopSet)); 其中stopSet是我的自定义stopwords列表 我现在如何创建一个
我们最近升级到Sitecore 6.6，并且在Lucene的搜索和爬网功能方面遇到了问题，因为6.6使用了更新的版本，并且一些方法/功能已经过时 下面的代码过去在Lucene.NET 2.3的早期版本中运行良好，但在2.9中不起作用。你能告诉我们我们做错了什么并帮助我们纠正这段代码吗？编译时出现的错误是 `Lucene.Net.Search.IndexSearcher` does not contain a definition for 'Search' and no extension met
我为一个小集合（大约150k个文档）编制了索引。我让用户能够使用下拉框进行过滤查询。“字段查询”字段包括：apo_分类法、apo_dik、apo_编号和apo_日期。下面是schema.xml的一部分： <fieldType name="text_efe_dioi_s" class="solr.TextField" positionIncrementGap="100" > <analyzer type="index"> <to
我有一个Sitecore项目，它的treelist属性引用其他项目（使用不同的模板）。 我的目标是使用ContentSearchAPI（lucene）在treelist属性中查找包含项B的项A 我已将treelist属性添加到索引中： 我希望lucene将treelist属性存储为GUI的串联 假设这是正确的，并且填充了索引，则我的查询如下所示： master=Sitecore.ContentSearch.ContentSearchManager.GetIndex（“Sitecore\u m
elasticsearch kibana中的ElasticSearch内存使用不'；不匹配窗口
我正在使用Kibana在Windows2012 R2服务器上运行ElasticSearch 6.3.1和16g ram。Windows报告我的ElasticSearch服务使用了12g内存，但在Kibana，我只看到分配/使用了8gb。其他4gb内存的用途是什么 我现在只有一个节点。目前，我已经根据ElasticSearch推荐的ram配置将JVM堆配置为使用7gb 在Kibana监控中，我显示7g可用于堆，可能还有500mb可用于lucene索引内存 内存使用有两种主要类型：工作集和专用工作集
我正在尝试将名为lucene沙盒的贡献添加到pom.xml中。 我对Maven不是很熟悉，但是代码有一个 似乎暗示如果我添加一个依赖项，如下所示： <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-highlighter</artifactId> </dependency> org.apache.lucene lucene荧光
我正在使用Lucene开发基于web的求职应用程序。我的网站上的用户可以搜索距离“马萨诸塞州波士顿”或任何其他位置100英里半径范围内的工作。 此外，我还需要按“相关性”（即lucene返回的分数）降序显示搜索结果 我正在使用第三方API获取给定城市半径范围内的所有城市。此API将返回马萨诸塞州波士顿100英里半径范围内的864个城市 我正在使用以下逻辑构建城市/州Lucene查询，这是我的“BuildNearestCitiesQuery”方法的一部分。 这里nearestCities是上述AP
下面是我想做的，使用伪代码： lucene.Find((someField == "bar" || someField == "baz") && anotherField == "foo"); 或者在英语中，“查找某些字段为'bar'或'baz'，另一个字段为'foo'的所有文档” 如何使用Lucene执行类似的查询？在Lucene查询语法中： +(someField:bar someField:baz) +anotherField:foo “+”表示该术语是必需的，就像谷歌
我用的是类似于： Field notdirectory = new Field("notdirectory","1", Field.Store.NO, Field.Index.UN_TOKENIZED); 像“notdirectory:1”这样的查询可以一直得到很好的处理 但最近我将“Field.Store.NO，Field.Index.UN_标记化”更改为索引非数字字符串： Field stateField = new Field("state","irn_" + state, Field.
这里有点困惑 它与其他的有什么不同？索尔能提供更多吗 我在中解释了这些项目之间的区别和关系 简而言之：虽然Lucene（.net）是一个库，但Solr是一个独立的Java应用程序，它使用Lucene通过XML/HTTP接口提供全文索引和搜索。这意味着它可以从任何平台/语言使用。虽然非常灵活，但它比原始Lucene更易于使用，并提供了搜索应用程序中常用的功能，如和。它还处理、，并且有一个很好的web管理界面。这些功能都不是Lucene.net/NHibernate.Search直接提供的 Solr
我要lucene搜索连字符的单词， 例如：节能或“节能”作为一个词 因此，如果输入是节能的，标记器会生成如下术语 节能或高效或节能或节能 因此lucene返回的页面包含“节能”和“节能”，但我希望它返回的页面只包含“节能”页面 因此，问题是如何修改standardtokenizer以搜索整个节能单词，而不是将其拆分为单独的单词。使用WhitespaceAnalyzer而不是standardAnalyzer 这将生成仅在空白处分割的标记。但是，检查是否还有其他将要更改的内容。这是我在上的完整博客
我已经为我的系统实现了solr/lucene模糊匹配，它工作得非常好 我需要在查询返回响应后显示模糊匹配的百分比。 例如，如果我的索引数据是“rushikupadhyay”，如果我的查询是“rushikupadhya”~0.8，我应该得到作为响应一部分的确切百分比，比如0.85或85% 我想使用百分比结果作为应用程序的一部分，并根据返回值执行额外的步骤，例如，如果百分比匹配为70-80%dox、80-90%doy和>90%doz 感谢您的指点。请注意：在决定采用纯粹基于百分比的逻辑之前，您可能需
在我的例子中，文档有两个字段，例如，“标题”和“视图”。“视图”表示用户访问此文档的次数。比如：“标题”：“iphone”，“视图”：“10”。 我必须制定一个策略，为视图分配一些权重，例如相关性分数是通过分数（标题）*0.8+分数（视图）*0.2计算的。lucene能做到吗？我想知道是否有一些算法与这个问题相关 您可以通过三种方式提升。根据您的需要，您可能希望使用组合 通过调用 将文档添加到索引之前的document.setBoost（） 通过调用 将字段添加到文档之前（以及 将文档添加到索引
我有一个基于Lucene的程序对源代码文件进行索引，我注意到Lucene的StandardTokenizer不会分割包含点的单词，例如foo.bar。问题是，在源代码中，点通常用于方法调用，在这种情况下，对象名和方法名应该分开 所以，我的问题是，我如何编写一个定制的标记器，它通常与源代码配合良好（例如，没有特定的编程语言）？是否有任何现有的实现？您可以查看有关使用Lucene为源代码编制索引的信息，这已经有几年的历史了，但可以作为指导方针。关于标记器，他们使用的是小写的标记器，似乎可以满足您的需
在集群环境中，一个节点为对象编制索引，而另一个节点对缓存中的段感到困惑，我遇到了以下错误。即使在服务器重新启动后，节点也不会自行恢复。索引的节点可能正在合并其他节点不知道的段并删除这些段。我没有触摸invalidateCacheInterval设置，并添加了compass.engine.globalCacheIntervalInvalidation属性（500毫秒）。这没用 在另一个节点上搜索和索引时会发生这种情况 有人能帮我解决这个问题吗？也许要求compass重新加载缓存或从头开始，而不必重
在我工作的一个应用程序中，我们使用Lucene Analyzer，尤其是它的拼写部分。我面临的问题是：我需要使用一组词缀规则生成一个单词的所有单词形式 例如，使用“教育”一词并附加规则ABC，生成各种形式的“教育”一词 我想知道的是：是否可以使用Lucene的Hunspell实现（我们使用Hunspell字典（.dic）和词缀文件（.aff），所以它必须是Hunspell API）？Lucene的Hunspell API没有那么大，我检查了一下，没有找到合适的 我能找到的最近的是SO was，但
我正在尝试使用聚合两个字段的自定义字段桥查询字段。典型值如下所示： myField:12345%FIELDSEPERATOR%4 这是12345和4的组合。它的索引正确，但使用hibernate搜索查询API，如何禁用分析器 FullTextEntityManager em = getFTEM(); SearchFactory searchFactory = em.getSearchFactory(); QueryBuilder qb = searchFactory.buildQueryBui
我使用lucene版本3.0.3.0，但是我搜索的一些表达式不能正常工作。例如，如果我在“模型”字段中搜索“！Fiesta或Astra”，则仅返回“vauxhallAstra”，而不返回“fordFocus”。我的代码如下： var fordFiesta = new Document(); fordFiesta.Add(new Field("Id", "1", Field.Store.YES, Field.Index.NOT_ANALYZED)); fordF
我遵循了H2教程中关于使用Lucene设置FTL的内容，但是我遇到了未知的异常 我就是这样做的： 我使用SquirrrelSQL客户机在附加类路径中添加了lucene-core-3.0.3.jar库（否则它会抱怨无法导入类） 然后我称之为： CREATE ALIAS IF NOT EXISTS FTL_INIT FOR "org.h2.fulltext.FullTextLucene.init"; CALL FTL_INIT(); 之后，*.trace.db日志说，{db.name}存在，但它不
我在Sitecore v7.1中创建了一个自定义内容搜索索引 索引和爬行工作得很好，我能够搜索索引并正确返回项目。我遇到的问题是，索引有时会填充“爬网根”值之外的项（请参阅下面的配置） 到目前为止，解决方法是将模板排除添加到Sitecore.ContentSearch.Lucene.DefaultIndexConfiguration.config中，但这很烦人，因为我有很多非内容模板，不想继续添加到此文件中 我的索引配置如下（这在配置包含文件中）： $（id） $（id） 网状物 /siteco
elasticsearch
假设我有一个文本句子，并希望找到在该句子中找到字段X的所有文档 示例： “敏捷的棕色狐狸跳过了懒狗”是我的一句话 我有3份文件。每个字段都有一个名为关键字的字段： 1，关键字=福克斯 2，关键字=狗 3，关键字=猫 我想运行一个查询，检查关键字是否出现在提供的值中，以便1和2匹配，但3不匹配 我检查了文档，认为我可以用“fuzzy_like_this”来完成，但它会返回没有“keyword”字段的文档 有人能给我指出正确的方向吗？只需使用带有适当分析器的查询解析器进行搜索，如： Analyz
我正在尝试使用Lucene.Net构建一个自定义搜索引擎 一切似乎都很顺利，但我在循环搜索函数返回的Hits对象时遇到了一个问题。每当我搜索一个项目时，搜索功能大约需要0.07秒，循环到返回的对象中需要20到90秒 ex：（总共返回11384个结果） 搜索耗时0.068秒。 对象循环花费了25.50秒 现在，我第二次循环这个相同的对象时，所需的时间要少得多（对于上面相同的情况，需要0.141秒） 以下是搜索功能： public List<SearchResultId> SearchI
我通过不同的字段为lucene index中的文章编制索引，如标题，描述，链接，出版日期 我使用multifiedqueryparser查询索引 然后我将文章显示为搜索结果。 到目前为止一切都很好。 现在我想突出显示标题“描述”中的搜索文本 我该怎么办？ 普通的荧光灯在生成片段时会给我NullPointerException。 PostingHighlighter会给我一张地图，根据字段将结果分组。。但我不想这样。我是要返回的整个文档，并在标题和说明中突出显示搜索文本 任何帮助、建议或代码片段都
我有Lucene索引，它有城市名称。 考虑一下，我想搜索“新德里”。我有字符串“New Del”，我想传递给Lucene searcher，我希望输出为“New德里”。 如果我生成像Name:New Del*这样的查询，它将给出所有包含“New and Del”的城市。 有没有办法创建带有空格的Lucene查询通配符查询？ 我参考并尝试了一些解决方案，给出了@听起来你已经通过分析为你的城市名称编制了索引。这将使这一点更加困难。通过分析，“新德里”和“德里”是两个独立的术语，必须如此对待。用这样的
在lucene5中，Filter被弃用，取而代之的是ConstantQuery包装普通查询对象。我遇到了一个例子，其中来自旧过滤器对象的“已翻译”查询对象不能像我预期的那样工作 val directory = new RAMDirectory() val config = new IndexWriterConfig(new KeywordAnalyzer()) val writer = new IndexWriter(directory, config) writer.addDocument({
一段时间以来，我一直在尝试配置我的sesame RDF存储库（目前称为RDF4j），以便使用全文查询 我没有找到太多关于这个配置的文档，我想我需要创建一个模板文件，这样我就可以在控制台上使用它了。以下是关于这个主题的一些信息 有人知道关于使用Lucene配置RDF4j的任何信息吗？任何线索都将不胜感激。另一方面，我会考虑将整个存储库更改为另一个存储库，例如virtuoso 提前感谢，您需要执行以下操作： 启动rdf4j服务器。我使用了rdf4j-server.war（和rdf4j-workben
从数据库中获取一些数据，并使用lucene编制索引和存储 稍后，更多的数据被添加到数据库中，我只需要为这些新添加的数据编制索引，并附加到现有的索引文件中 你能用一个程序解释一下吗？你要问的是增量索引，这不是索引方面的问题，而是数据库中数据（目标文档）的选择方法 您需要使SQLSELECT查询足够灵活，以便使用一个列来标识新添加/更新的行 该列通常是日期列，例如-上次添加的日期，上次更新的日期，因此您可以获取在过去x天、x小时内添加/更新的记录 e、 例如，在DB2上，WHERE DATE（LAS
我试图理解如何使用pyorient在Orientdb 2.2.17中使用LUCENE空间查询 我还没有弄清楚如何从另一个类中选择位于多边形顶点内的点顶点类的所有属性 区域顶点类有两个属性： 名称 坐标嵌入OPolygon-LUCENE索引 创建类区域扩展V 创建属性Region.name（如果不存在）字符串 创建属性Region.coordinates（如果不存在） 在Regioncoordinates空间引擎LUCENE上创建索引Region.coordinates 点顶点类，还具有两个特性：
在Alfresco中，我们有文件的元数据字段的JSON表示。以下一个用于图像文件： { "mimeType": "image/png", "downloadUrl": "", "content": { "type": null, "version": "", "attributes": { "resolutionUnit": "Inch", "software": "Adobe
elasticsearch 在弹性搜索中映射以下非结构化数据的最佳方法是什么？
elasticsearch Lucene
foselasticabundle
我正试图找出一个包含非结构化数据的字段的最佳类型和分析工具 请求字段可以是以下字段和许多其他字段 {“_格式”：“json”，“followee”：{“followee”：27}}//嵌套对象 [{“q”：“madhab”}]//对象数组 ？q=madhab//字符串 我已经尝试使用simple analyzer制作此字段文本 "request": { "type": "text", "analyzer": "simple" }, 另外：我想知道是否有任何在线工具可以帮助可视化
elasticsearch 为什么分层合并策略比其他策略更好？
elasticsearch Lucene
我在学习ElasticSearch和ApacheLucene 最近，我发现ApacheLucene有一些合并策略，但ElasticSearch使用TieredMergePolicy而不是其他合并策略，如LogMergePolicy和LogByteSizeMergePolicy 所以我一直在搜索关于TieredMergePolicy的信息。我找到了算法，但我不明白为什么TieredMergePolicy比其他策略更好（我的意思是在一般情况下，而不是特殊情况下） 为什么在段合并时选择相似大小的段很重
我想使用solr搜索文章 我有三张桌子： 组（id、组名称） ArticleBase（id、groupId、其他一些字段） 文章（id、articleBaseId、标题、日期等） 在solrschema.xml文件中，我只定义了与ArticleBase表混合的所有article字段（用于在solr上使用一个索引），如下所示：（id，articleBaseId，groupId，…） 问题：管理员希望更改组（ArticleBase），因此我必须更新（或替换）solr中所有索引文章。对吧?我可以只在s
我可以用我喜欢的任何键将值存储在couchdb lucene中，但是如果该键包含[0-9a-zA-Z_]之外的任何字符，则任何搜索都会失败 有人知道什么字符是有效的和/或如何在搜索中正确转义特殊字符，以便可以使用特殊字符吗？显示了如何转义特殊字符，并给出了此类字符的列表。所有UTF-8字符都应该可用。例如，我刚刚验证了我可以使用搜索引擎搜索项目 更多关于查询方式的信息可能会有所帮助，不过考虑到这张票证的年龄，您可能已经离开了。不幸的是，该页面中提到的转义对密钥名称不起作用。“a-b”和“a \-
我想发展我自己的网站管理。 这是我的问题，我想使用这些技术： *搜索：LUCENE/SOLR *用户权限：ACEGI（SPRING SECURITY） *分类法（如果有相关技术，我不知道） 所以我在这些技术方面没有经验。我想知道是否有人了解我的情况以便帮助我…我认为这些元素之间有逻辑上的一致性，但我不知道为什么…我需要开发这些功能，就好像它们完全独立一样？我已经在使用。Grails是Java世界中的Rails框架，它构建在Spring、Hibernate和Groovy之上。它还可以与现有Java
无法正确使用lucene的关键字分析器 String term=“纽约”； //id和位置是我要在其中搜索“术语”的字段 MultiFieldQueryParser queryParser=新的MultiFieldQueryParser( Version.LUCENE_30， {“id”，“location”}， 新关键字分析器（））； Query=queryParser.parse（术语）； System.out.println（query.toString（））； 结果：（身份证：新地点：
elasticsearch
我正在使用ElasticSearch和Lucene与标准分析仪。当查询为“古生物学”时，我想使我的索引不返回“古生物学”的结果。然而，我确实希望它返回与“旧石器时代”相关的“旧石器时代”的结果。换句话说，我希望分析器更加智能，过滤掉与关键字无关的词干，同时保留与关键字相关的词干。我有什么可用的解决方案？实现您自己的词干筛选（或扩展现有的词干筛选）。标准分析器不使用词干分析，因此我不确定您使用的确切词干分析工具。不过，这里是卢塞内的波特斯特默 如果这看起来太复杂，您可以在生成词干分析器后放置一个
你能帮我吗 我正在实现Hibernate搜索，以检索本地化网站上的全局搜索结果（葡萄牙语和英语内容） 为此，我遵循了Hibernate搜索文档中指示的步骤： 除了实体本身的特定配置之外，我还按照本文档中的说明实现了一个“LanguageDiscriminator”类 因为我没有得到我期望的结果（例如，我的实体存储了文本“Capuchinho”，但当我搜索“capucho”时，我没有得到任何点击），所以我决定尝试并调试执行，并尝试了解我配置的分析器是否正在使用 在为数据库中的实体创建新记录时，我
我正在将带有日志存储的事件发送到elasticsearch数据库。事件的结构如下所示： timestamp:2014-04-04 12:00:00 name:'leo' time:10 timestamp:2014-04-04 12:00:30 name:'john' time:15 ... ... 在Kibana界面中，我能够显示一些图形；例如，时间戳的平均时间 由于logstash不断发送事件，因此我希望实时显示最新发送的事件。是否可以使用timestamp字段编写只返回最新事件的查询？
我在solr schema.xml中有一个字段 <field name="short_name" type="text_general" indexed="true" stored="true" required="false" /> <field name="short_name_copy" type="string_ci" indexed="true" stored="true" required="false" /> <copyField sou
在下面的xquery中，除了下面一行中的内容外，所有内容都按预期工作： <h2>Total word count: {format-number($sum, "0")}</h2> 总字数：{format number（$sum，“0”）} 如果金额超过一百万，则显示为： “1.516908E6” 我不明白这个号码。例如，为什么有一个“E” 任何低于预期一百万张的照片，例如： “72188”代表72188 我可能错过了一些基本的东西，但如果有任何帮助，我将不胜感激 开
我使用的是ApacheLucene，我的数据库大约是3GB 虽然我第一次使用Lucene创建索引大约需要25分钟。但我希望我的应用程序在每次使用时都能更新 那么，我如何做这些事情，使我的索引可以每次更新，而更新它将花费更少的时间 数据库更改非常少，但应为数据库的新条目编制索引 Directory directory = new SimpleFSDirectory(INDEX_DIRECTORY); //Analyzer analyzer = new StandardAnalyze
elasticsearch 脱机删除Elasticsearch索引
elasticsearch Lucene
我有一个elasticsearch实例的问题，该实例拒绝启动，并且无法初始化 我的猜测是其中一个索引中存储的数据有问题。所以我想我可以继续，删除所有日志，重新开始。这不是一个生产系统，到目前为止，日志可能永远不会被使用 但是，由于系统仍在尝试恢复，我无法使用RESTAPI删除索引。 所以我想我可以通过删除物理文件/文件夹手动删除它。 因此，我的问题是： 我应该删除哪个文件/文件夹 如果我发现问题所在，是否可以移动文件/文件夹并在以后再次恢复它们 由于您没有发布ES版本，我将假定您正在运行版本2.
elasticsearch 如何使用查询字符串查询进行地理位置搜索
elasticsearch Lucene
我正在进行查询字符串查询 如果我有以公里为单位的纬度、经度和范围，如何进行基于地理位置的搜索？经过一些实验和网络搜索。我通过在bool查询中包装“查询字符串”实现了这一点 { "size": 0, "query": { "bool": { "must": { "query_string": { "query": "one:1 AND two:2" } }, "filter": { "geo_dis
我的环境： 露天共享v5.2.d（r134641-b15，爱考1.0.101.3，春季冲浪 5.2.d，Spring WebScripts 6.13，Freemarker 2.3.20-alfresco-patched，Rhino 1.7R4-alfresco-patched，Yui 2.9.0-alfresco-20141223） Alfresco Community v5.2.0（r134428-b13）模式10005 当我启动工作流时，我可以分配执行者-将参与业务流程的用户列表。不知何故，
我在谷歌上搜索过，但没有找到任何与Xapian中实现analyzer相关的线索，即使是Xapian也可能不支持像lucene这样使用analyzer。换句话说，我无法用中文扩展到支持。我说得对吗 我在XAPIAN C++ API中搜索，只找到了与提取单词相关的。有一个标记名为flag\u CJK\u NGRAM，它可以拆分UTF-8 CJK单词，比方说ABCD，它会将其拆分为AB、BC、CD和a、B、C、D。这非常简单明了。我想我需要一个更精确的解决方案，似乎我需要实现或将成熟的解决方案（如）迁
我有一个带有Hibernate搜索的Spring启动应用程序 我的数据库包含2个条目： 名为a的用户a和名为b的用户b 当我搜索*：*而不是name:a时，一切正常，我得到了用户b。（更新：这根本不起作用。） 当我搜索*：*和name:a时，我得到了用户a和用户b（实际上是db中的所有元素）。奇怪的是，*：*和name:b像预期的那样返回用户b！ 当我过滤其他属性（如streetname）时，也会发生同样的情况。每当我搜索*：*和xxxx:a时，我都会得到所有条目 有人能解释为什么吗 这就是我搜