我正在使用Lucene API开发“给定半径内基于美国的最近城市搜索”功能。 Am在Lucene中索引城市的lat和long值，如下所示： doc.Add(new Field("latitude", paddedLatitude, Field.Store.YES, Field.Index.UN_TOKENIZED)); doc.Add(new Field("longitude", paddedLongitude, Field.Store.YES, Field.Index.UN_TOKENIZE

我是Lucene的新手，正在努力解决这个问题。我是这样做的： Directory dir = FSDirectory.Open(new System.IO.DirectoryInfo(dirIndexDir)); //Create the indexWriter IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Lucene.Net.Util.Version.LUCENE

我正在与Lucene3.0.2合作。有谁能告诉我什么是有序得分和无序得分。 请回复。您可能应该提供一些上下文。

我试图在PyLucene中使用SnowBallaAnalyzer，但当我尝试创建一个类似这样的实例时，总是会出现一个错误，即：InvalidArgsError： analyzer=SnowBallAnalyzer（“西班牙语”） 或 analyzer=SnowBallAnalyzer（“西班牙语”，STOPWORDS） 我真正需要的是，如果我搜索“Fútbol”，我应该获得带有“futbol”或“Fútbol”字样的文档。所以我想将SnowBallaAnalyzer应用于我想为查询建立索引的文本

Lucene Solr&；弹性搜索？

标签： Lucene full-text-search Solr search-engineelasticsearch

Solr和ElasticSearch都是基于Lucene构建的 它们在以下方面如何相互比较： 功能（特别是方面和多语言支持） 演出 可伸缩性 稳定性 可管理性 您对这两种软件有什么经验可以分享吗 谢谢。我只能谈谈Solr，因为我们正在使用Solr 我在EC2上部署了一个Solr堆栈，我们在每个数据库上处理数百万条记录。我目前有一个主/从设置和一个非常好的模式定义 除了Solr明显的性能优势和您可以执行的惊人查询之外，还有一件经常被忽略的事情，那就是它的设置和学习是多么容易！阅读Solr 1.

我想在索引中搜索特殊字符 我转义了查询字符串中的所有特殊字符，但当我在索引中的lucene上执行queryas+时，它将创建queryas+（） 因此，它不搜索任何字段 如何解决这个问题？“我的索引”包含这些特殊字符。如果您使用的是StandardAnalyzer，则将丢弃非字母字符。尝试使用空白分析器为相同的值编制索引，看看这是否保留了所需的字符。它也可以保留你不想要的东西：当你可以考虑编写自己的分析器时，这基本上意味着创建一个ToKeNoStk堆栈来完成你需要的处理。 例如，SimpleAn

我向schema.xml添加了一个多值字段，如下所示： <field name="fieldsharedsite" type="string" indexed="true" stored="false" multiValued="true" /> <field name="fieldsharedchannelnew" type="string" indexed="true" stored="false" multiValued="true" /> 对于fieldsh

使用Lucene，我想将索引中的文档与其他文档进行比较。我发现一个很好的方法是将文档作为查询提交。问题是，我需要将术语作为OR环，最困难的部分是使用术语频率提升术语 我认为，如果我修剪文档中的所有空格，并将它们替换为”或“”，lucene将解析并解释它。但是有没有一种最复杂的方法来处理这个问题呢 哪种方法最容易提高术语的频率？看起来你在尝试重新实现Lucene的。看起来你在尝试重新实现Lucene的。事实上，我认为我需要更简单的方法。我只想比较两份使用tf*idf方案的文件，也就是说，如果这些文

我已经索引了400个文档。然后我想给出两个文档，lucene返回这两个文档之间的相似性。可能吗？提前感谢。简而言之。计算两个文档向量的余弦 是的，但如果有人想要一个好的相似性度量，我认为他需要一个好的词干分析器，并删除停止词。有没有一个简单的方法可以做到这一点？除了Lucene？

Lucene JSON查询语法

标签： Lucene elasticsearch

我试图查询一个Elasticsearch包装的Lucene索引，其中包含edge Ngram，但无法理解文档中如何对其应用布尔运算符。我有这个： { "query":{ "bool":{ "should":[ { "match":{ "name.partial":"+henry +james" } } ] } }} 这是行不通的（我得到的结果是有亨利和没有詹姆斯，反之亦然），也不是“亨利·詹

我正在使用lucene版本4.0.0和compass 2.2.0在Mysql中存储lucene索引 我得到了以下错误，我被困于此 Exception in thread “main” java.lang.NoSuchMethodError: org.apache.lucene.store.IndexInput: method ()V not found 你能告诉我哪一个表现更好吗。 在FS或DB中存储索引？Lucene 4.0涉及API中的重大更改，Compass无疑不支持这些更改。罗盘的开发

请问有人知道Zend Search Lucene和Lucene之间的区别吗？ 提前感谢。： Zend_Search_Lucene是一个完全用PHP5编写的通用文本搜索引擎。由于它将索引存储在文件系统上，并且不需要数据库服务器，因此它可以为几乎任何PHP驱动的网站添加搜索功能。Zend_Search_Lucene支持以下功能： 排名搜索-首先返回最佳结果 许多强大的查询类型：短语查询、布尔查询、通配符查询、邻近查询、范围查询和许多其他查询 按特定字段搜索（例如，标题、作者、内容） Zend_S

目前我对Lucene搜索（2.9版）有一个问题 我有一个搜索词，我需要在几个领域使用它。因此，我必须使用MultiFieldQueryParser。另一方面，我必须使用WhildcardQuery（），因为我们的客户希望搜索短语中的术语（例如，“CMH”应该匹配“KRC250/CMH/830/T/H”） 我试图用星号（“*”）替换斜杠（“/”），并使用带有封闭星号的布尔查询作为术语。 不幸的是，它没有成功 有人知道吗？是的，如果显示的字段是单个令牌，则需要将setAllowReadingWild

Lucene 4.9的简单测试。 使用RamDirectory索引两个文档，宽度为3个文件[longdata、stringdata、textdata] 文件 [200000L，“你好，g”，“你好，g”] [4000000L，“世界”，“世界”] 这是我的密码 public static void main(String[] args) throws IOException { Directory directory = null; IndexWriter iwriter = n

elasticsearch 如何将不同文档中具有相似名称的对象映射到同一ElasticSearch/Kibana字段？

标签：elasticsearch Lucene Mapping nested-attributes Kibana

考虑以下JSON文件：- 文件1- { "titleSony": "The Matrix", "cast": [ { "firstName": "Keanu", "lastName": "Reeves" } ] } 文件2- { "titlePixar": "The Matrix", "cast": [ { "firstName": "Laurence",

我将默认运算符设置为QueryParser.operator.AND，并希望在两个字段上运行查询 (apple OR windows) AND source:(40 OR 41) 但这正是Lucene所做的 (windows) AND source:(40 OR 41) 为什么它会这样运行以及如何修复它 更新 更多代码，2个字段是什么意思 QueryParser parser = new MultiFieldQueryParser(CURRENT_LUCENE_VERSION

elasticsearch ElasticSearch：匹配除stopwords之外的所有标记

标签：elasticsearch Lucene

我在使用ElasticSearch定义映射时遇到了一个问题，让我解释一下： 我有一份法国、美国、英国等国家的名单。。。我希望能够在有或没有停止词的情况下搜索它们。这就是我想要的： 在法国=>法国 美国=>美国 曼联=>什么都没有 法国的海盗=>什么都没有 我尝试了空白分析器+停止字过滤器，但当我输入united时，我得到了united和united kingdom，我希望它们都不会出现在上面的示例n°3中 然后我尝试使用关键字标记器将美国保留在一个标记中，但我无法过滤停止词 你知道解决办法吗 你

elasticsearch 是否在数据库视图上创建lucene索引？

标签：elasticsearch Lucene

我们正在使用PRPC工具提供的OOB弹性搜索。但我的问题是一般性的 lucene索引是在数据库视图上创建的吗？ 当我必须连接多个表时，如何利用lucene索引？如果是，lucene索引在连接表时是如何工作的？PRPC的OOB是什么？pega规则流程指挥官的开箱即用。PRPC是一种BPM工具。

elasticsearch 实用评分函数和向量空间模型在弹性搜索中的应用

标签：elasticsearch Lucene

根据Elasticsearch的文档，在该部分下，指定软件使用，计算文档d的匹配分数以搜索查询q，方法是考虑d中术语的术语频率和逆文档频率，根据文档长度进行规范化和加权。实用评分函数（psf）用于计算多项查询的相关性 现在，它还说它使用向量空间模型来计算多项查询与文档的相似性（使用余弦相似性） 问题是：如果排名是通过psf计算的，那么为什么需要进行相似度计算呢？相关性分数不是已经用来给文档排序了吗？ 这两件事是如何相互作用的？答案是

elasticsearch 默认情况下，Elasticsearch是否存储字段值？

标签：elasticsearch Lucene

在Elasticsearch中，映射的所有字段都有一个存储的属性，该属性确定字段的数据是否存储在磁盘上（除了存储整个\u源） 它默认为false 但是，每个碎片中的每个片段在映射中的每个字段都有一个Docvalues结构。该结构存储段中所有文档的字段值 默认情况下，所有文档和字段都包含在结构化文档中 因此，一方面，默认情况下Elasticsearch不存储字段的值。另一方面，它将值存储在Docvalues结构中 那么它是哪一个呢？默认情况下Elasticsearch存储还是不存储值？ES以多种格

elasticsearch 在Elasticsearch中，如何搜索任意子字符串？

标签：elasticsearch Lucene

在Elasticsearch中，如何搜索任意子字符串，可能包括空格？（搜索单词的一部分是不够的；我想搜索整个字段的任何子字符串。） 我想它必须在关键字字段中，而不是文本字段中 假设我的Elasticsearch索引中只有几千个文档，我尝试： "query": { "wildcard" : { "description" : "*plan*" } } 这和预期的一样——我得到了描述中“计划”的每一项，甚至是“替换”之类的 现在，我想做 "query": {

elasticsearch 获取多个平均聚合

标签：elasticsearch Lucene

我有一个查询，我是按智能手机分组，然后按运营商分组。在这些嵌套聚合中，我想找到特定智能手机的每个运营商的平均价格、评级和速度。这是我当前的查询： { "aggs": { "group_by_smartphone": { "terms": { "field": "smartphone" }, "aggs": { "group_by_carrier": { "terms": {

我试图了解一个生成compass 2.2索引、存储字段内容的遗留应用程序是否可以使用luke.net打开索引，据我所知，它没有存储字段，它只返回一个id，可能在其他地方用于从db中选择 请参见lucene： 如何判断此compass应用程序是否使用lucene.net Field.Store.NO的等效项进行索引 ，这是compass.cfg.xml： <compass-core-config xmlns="http://www.opensymphony.com/comp

你知道如何从我的应用程序中访问WEB-INF/index文件夹中的文件吗？我正在为我的应用程序使用OpenCMS，我想打开位于WEB-INF/index文件夹中的Lucene搜索索引（借助Lucene IndexReader类）。Lucene jar存储在WEB-INF/lib文件夹中。如果要在WEB-INF文件夹下的RFS（真实文件系统）上查找文件，可以通过以下方式获取路径： String filepath = pageContext.getServletContext().getRealPa

Lucene 2.2和Lucene 3.0.2在功能方面的差异发布说明中列出了每个版本的所有更改。读它们 每个版本的所有更改都列在发行说明中。读它们 为什么不阅读发行说明可能重复？为什么不阅读发行说明可能重复？

我有一个多文件格式的Lucene索引。在JAVA中将其转换为复合文件格式索引的最佳方法是什么 一种方法是创建一个新索引（writer设置为使用复合文件）并调用addIndexes（）。有没有一种方法可以在不创建新索引和合并的情况下执行此操作？您可以在现有索引上创建IndexWriter，将“使用复合格式”设置为true，然后优化（）。但是，我猜它不会比您提到的方法快。您可以在现有索引上创建IndexWriter，将“使用复合格式”设置为true，然后优化（）。然而，我猜这不会比你提到的方法快

有没有一种方法可以使用数值比较运算符（>=，=0&&“property”在Neo4j中搜索手动索引可能您最好的选择是通过groovy使用Neo4j API，很像？您可以在所有边上使用Gremlin filter步骤，但这会进行表扫描： g.E.filter{it.property >= 0 && it.property <= 1.6} 请注意，Neo4jTokens.QUERY\u HEADER解析为“%QUERY%”，因此您也可以这样编写它： start = g.

我正在将我的代码从Lucene 3.5迁移到Lucene 4.1，但是在没有索引的情况下获取术语向量时遇到了一些问题 问题是，给定一个文本字符串和一个分析器，我需要计算术语向量（从技术上讲，找到术语及其频率）。显然，可以通过编写索引（使用IndexWriter）然后再读取它们（使用IndexReader）来实现，但我认为这会很昂贵。此外，我不需要文档频率（df）。因此，我认为一个无索引的解决方案是合适的 在Lucene 2和3中，用于上述目的的一种简单技术是使用QueryTermVector，它

我有一个与Luce 3.6配合使用的代码。我刚刚升级到Lucene 4.2.1，我很难使用WhiteSpaceAnalyzer（也是StandardAnalyzer和WhiteSpaceTokenizer）。它给了我“WhiteSpaceAnalyzer无法解析为类型”错误。感谢您的帮助 两种可能的可能性： 看到一些可能过于热心的camelcasing，虽然很有可能代码中没有复制它，但它是： 它从：org.apache.lucene.analysis.WhitespaceAnalyzer移动到

Lucene 如何将ElasticSearch路由到特定节点（不是碎片）？

标签： Lucene elasticsearch

我知道可以将搜索路由到特定的碎片，但我希望将搜索路由到特定的节点。原因是一些节点比其他节点更强大，我希望在执行查询时，逻辑能够比较弱的节点更有效地命中这些节点 这可能吗？我知道，简短的问题，但请相信我，我做了大量的研究和谷歌搜索，却找不到答案。找到了答案： 搜索“&preference=\u primary\u first”时，只需将其附加到REST URL中即可。如果您要根据机器的类别设置感知属性，则可以使用该属性在该类别中设置。如果您使用的是基于java的传输或节点客户端，您只需将相同的感知

Iam使用LUCENE 4.6在PDF中搜索短语。我已经编写了以下代码。但它在“Analyzer”和“QueryPhrase”行中抛出了错误。请帮我做这件事 Analyzer analyzer = new Analyzer(Version.LUCENE_44); // Store the index in memory: Directory directory = new RAMDirecto

他们在Lucene中应用boosting的方法是基于每个值，而不是每个字段或每个文档吗 基本上，我会提前知道每个特定文档的多值字段中的值的提升，并且我会以某种方式将该提升值存储在lucene索引中 如果没有，Lucene有哪些可能的替代方案或扩展？这样就可以了 例如： Document1:boost值为{apple，10}，{pear，50}的关键字字段 Document2:boost值为{apple，15}的关键字字段 Document3:boost值为{apple，20}，{pear，10}

我安装了Orchard 1.8安装程序，在管理区域的顶部有一条消息，上面写着“你需要启用像Lucene这样的索引实现模块。”这里令人困惑的是，Lucene已经根据管理区域安装/启用了，所以我有点迷茫。我在App_Data/Sites/Default中没有任何要删除的索引（这意味着没有损坏的索引），也没有创建索引的选项 我尝试过禁用/重新启用Lucene和搜索功能，但没有成功。有什么猜测吗？转到/Admin/Indexing并创建索引。无法-在Admin/Indexing中，它显示“当前没有索引”

我尝试使用远程服务器上的lucene索引作为同一服务器上安装的carrot2的输入。关于文档，这应该可以通过carrot2 dcs实现（文档第3.4章carrot2文档群集服务器：包括各种文档源。carrot2文档群集服务器可以从大量源获取和群集文档，包括主要搜索引擎和索引引擎（Lucene，Solr）） 在安装Carrot2DCS 3.9.3之后，我发现lucene不能作为文档源。如何继续？要从Lucene索引对内容进行群集，该索引需要在DCS运行的服务器上可用（通过本地文件系统或作为NSF挂

我已将搜索索引添加到Sitecore 6.6网站。为了进行测试，我创建了两个与索引参数匹配的项，即使用被索引的单个模板 这个模板有一个名为“Story Data Item”的DropLink字段，我要做的是返回该字段的值与提供的Guid匹配的所有项目 下面的代码返回所有已索引的文档，当我运行它时，会返回这两个项目，这表明它们已被索引。此外，第一项满足以下条件：items.first（）.Fields[“Story Data item”]。Value==“{3F810A26-5D57-49CA-8

elasticsearch 在elasticsearch中全文搜索精确匹配的_短语（带前导和尾随空格）

标签：elasticsearch Lucene

我是Elasticsearch的新手，这是我手头的任务 鉴于我的索引： { "my_index": { "mappings": { "_default_": { "_all": { "enabled": false }, "properties": {} }, "title": { "_all": {

我最近一直在研究sitecore contentSearch API。当我尝试构建自定义索引时，我得到如下运行时错误 Could not find property 'initializeOnAdd' on object of type: Sitecore.ContentSearch.LuceneProvider.LuceneIndexConfiguration 这是我的配置示例 <configuration xmlns:patch="http://www.sitecore.net/xm

我想为字符串生成ngram字符。下面是我用于它的Lucene 4.1库 Reader reader = new StringReader(text); NGramTokenizer gramTokenizer = new NGramTokenizer(reader, 3, 5); //catch contiguous sequence of 3, 4 and 5 characters CharTermAttribute charTermAttribute = gramT

具有两种不同的生产露天（3.3.5和4.0.2）系统。我们已经准备好了 maxDocsForInMemoryMerge=40000和maxDocsForInMemoryIndex=16000 堆大小增加到18GB，然后服务器响应变慢。我们必须每周重新启动服务器以服务于生产用户 当Profile得知Lucene正在服务器上使用更多内存时。在某些链接上，找到了设置MaxDocsForMemoryMerge=0的解决方案，但不确定结果 有什么建议吗 提前谢谢。这些数字看起来很大！这两个属性的默认值都是

我有一个数据库表中大约1000万个文件的复合哈希，我希望找到彼此相当相似的文件。Spamsum哈希由两个最大64字节的CTPH哈希组成，它们如下所示： 384:w2mhnFnJF47jDnunEk3SlbJJ+SGfOypAYJwsn3gdqymefD4kkAGxqCfOTPi0ND:wemfOGxqCfOTPi0ND 它们可以分为三部分（在冒号上拆分字符串）： 块大小：384在上面的散列中 第一个签名：w2mhnfnjf47jdnuek3slbjj+SGfOypAYJwsn3gdqymefD

elasticsearch Elasticsearch聚合-无法对对象执行聚合

标签：elasticsearch Lucene

我有一个内部对象的映射，如下所示： { "mappings": { "_all": { "enabled": false }, "properties": { "foo": { "name": { "type": "string", "index": "not_analyzed"

elasticsearch elasticsearch中的多字段和多关键字搜索

标签：elasticsearch Lucene

假设我的文档有三个字段message，key，file\u name。还假设我想找到所有文档，如下所示： message contains keyword A and B key contains keyword C file_name contains keyword D 我应该如何构造我的查询？我应该在这里使用query\u string还是match语句？您可以这样做： POST /test_index/_search { "query": { "bool": {

我有一个应用程序，我需要允许用户对文档执行全文搜索，并在需要时使用。eXist数据库是从用于与eXist对话的Django后端查询的 问题是，当用户使用不正确的语法进行全文搜索时，会在游戏后期发现。Django应用程序必须查询SQL数据库以确定搜索的一些参数。在构建完整的XQuery并访问eXist时，SQL查询已经运行，这意味着SQL查询的成本已经消耗殆尽。（我知道我可以将SQL端查询的数据封送到eXist中，以便只查询eXist。目前这不是一个选项。） 我想提前知道Lucene查询是否有语法

elasticsearch 是否可以在Elasticsearch中取消删除文档？

标签：elasticsearch Lucene

通过阅读，我了解到Elasticsearch中已删除的文档只是被标记为已删除，这样它们可能会在磁盘上保留一段时间 因此，我想知道是否有办法在Elasticsearch中恢复已删除的文档？已删除的文档和旧文档版本将通过段合并过程完全删除：( 此时，这些旧的已删除文档将从文件系统中清除。已删除的文档（或更新文档的旧版本）不会复制到新的较大段 所以无法撤消错误的删除操作？

我在Sitecore 8.1环境中创建了一个自定义Lucene索引，如下所示： $（id） $（id） 主人 /sitecore/内容/常规/产品存储库 假的 假的 真的 Sitecore.ContentSearch.LuceneProvider.LuceneDocumentBuilder，Sitecore.ContentSearch.LuceneProvider 真的 {843B9598-318D-4AFA-B8C8-07E3DF5C6738} 实际上，一个非常简单的索引指向一个根，包括一

我想收集查询中提供的各种术语的统计数据（即频率）。最有效的方法是什么？除了明显的“运行查询、收集所有文档、聚合字段值”之外，还有什么其他内容吗

似乎每个版本的ApacheLuceneAPI都在发生变化。如何从ApacheLucene 6.4.0的IndexReader中获取最频繁的术语 我看到了在Apache Lucene 6.4.0中不有用的代码，这就是适用于Lucene 6.4的代码。它在所有字段中查找最频繁的项，以便分别在字段调整代码中查找最频繁的项 IndexReader reader = DirectoryReader.open(dir); final Fields fields = Multi

elasticsearch 在elasticsearch中，包含span_和查询内span_之间有什么区别？

标签：elasticsearch Lucene search-enginequerydsl

文件上说 span_包含： 大子句和小子句可以是任何跨度类型的查询。匹配跨距 从大到小包含匹配项的将被返回 span_在以下范围内： 大子句和小子句可以是任何跨度类型的查询。匹配跨距 从小到大，从大到小 至于查询匹配了哪些文档，没有区别。不同之处在于匹配的跨度 span_包含大的匹配项 span_内的匹配很少 查询将从匹配的span中获得提升，因此span\u containing将从big中获得提升，而span\u in将从匹配的little中获得提升 如果您的span_in或span_c

我有一个三明治的搜索索引。索引有三个字段：id、肉类和面包。每个字段都是一个Edm.String。在此索引中，以下是我的数据子集： ID | Meat | Bread ----------------------- 1 | Ham | White 2 | Turkey | Hoagie 3 | Tuna | Wheat 4 | Roast Beef | White 5 | Ham | Wheat 6 | Roast Beef

这就是我如何从LucenePDF文档中获取详细信息的方式： doc=LucenePDFDocument.getDocument（文件）； System.out.println（“字段列表：\n”+doc.getFields（））； 这是输出： field list: [<stored<path:D:\Kuliah\rancangan document indexing\dir-pdf\dua.pdf>, stored<url:D:/Kuliah/rancangan d