Solr

Question

प्रिय stackoverflow समुदाय के साथ एक टैग बादल का निर्माण:

कुछ पाठ देखते हुए, मैं पाठ में टॉप 50 सबसे लगातार शब्द पाने के लिए, और इसे से बाहर एक टैग बादल बनाने के लिए, और इस प्रकार का सार दिखाने इच्छा ग्राफिकल तरीके से पाठ क्या है।

टेक्स्ट वास्तव में प्रत्येक आइटम के लिए 100 या तो टिप्पणियों का एक सेट है (एक तस्वीर) लगभग 120 आइटम हैं, और मैं बादल को अद्यतन रखना चाहता हूं - टिप्पणियों को अनुक्रमित करके, और क्लाउड का उपयोग करके हर बार एक नया वेब अनुरोध चालू होने के लिए पीढ़ी कोड चलाने के लिए।

मैं टेक्स्ट को इंडेक्स करने के लिए सोलर का उपयोग करने पर बस गया, और अब सोच रहा हूं कि सोलर TermsVectorComponant से शीर्ष 50 शब्द कैसे प्राप्त करें। यहाँ शर्तों वेक्टर componant द्वारा लौटाए गए परिणामों का एक उदाहरण है, के बाद आप tv.tf="true" कह कर अवधि आवृत्ति पर बारी:

1. मैं सभी मिलती है:

   <lst name="doc-5"> 
       <str name="uniqueKey">MA147LL/A</str>  
       <lst name="includes"> 
        <lst name="cabl"><tf>5</tf></lst> 
        <lst name="earbud"><tf>3</tf></lst> 
        <lst name="headphon"><tf>10</tf></lst> 
        <lst name="usb"><tf>11</tf></lst> 
       </lst> 
       </lst> 
   
       <lst name="doc-9"> 
       <str name="uniqueKey">3007WFP</str> 
       <lst name="includes"> 
        <lst name="cabl"><tf>5</tf></lst> 
        <lst name="usb"><tf>4</tf></lst> 
       </lst> 
       </lst> 
   

   आप देख सकते हैं मैं 2 समस्या है दस्तावेज़ के भीतर शब्द, उस फ़ील्ड के लिए, न केवल शीर्ष 100

2. और वे आवृत्ति द्वारा क्रमबद्ध नहीं हैं, इसलिए मुझे नियमों को प्राप्त करना होगा और यह कोशिश करने के लिए इसे स्मृति में सॉर्ट करना होगा।

क्या कोई बेहतर तरीका है? (या) क्या मैं किसी भी तरह से सॉल्वर टर्मवेक्टर घटक को सॉर्ट कर सकता हूं और मेरे लिए केवल 100 चुन सकता हूं? (या) क्या कोई अन्य ढांचा है जिसका मैं उपयोग कर सकता हूं? मुझे आने वाली नई टिप्पणियों को अनुक्रमित रखने की आवश्यकता है, इसलिए टैग क्लाउड हमेशा अपरिवर्तित होता है - क्लाउड जनरेटर के रूप में यह भारित शब्दों का एक शब्दकोश लेता है, और इसे एक अच्छी छवि में बनाता है।

This उत्तर मदद नहीं करता है। ,

select?q=Id:d4439543-afd4-42fb-978a-b72eab0c07f9&facet=true 
&facet.field=Post_Content&facet.minCount=1&facet.limit=50 

<int name="also">1</int> 
<int name="ani">1</int> 
<int name="anoth">1</int> 
<int name="atleast">1</int> 
<int name="base">1</int> 
<int name="bcd">1</int> 
<int name="becaus">1</int> 
<int name="better">1</int> 
<int name="bigger">1</int> 
<int name="bio">1</int> 
<int name="boot">1</int> 
<int name="bootabl">1</int> 
<int name="bootload">1</int> 
<int name="bootscreen">1</int> 

मैं 50 ऐसे तत्वों मिला सीमा की मदद करने के लिए धन्यवाद @jpountz: -

संपादित jpountz & paige कुक के जवाब

यहाँ बाहर की कोशिश कर रहा एक परिणाम है जो मुझे इस प्रश्न के लिए मिल गया है परिणाम, लेकिन व्यक्तिगत <int> तत्वों की सभी फिफ्टी मूल्य क्यों मानती है? मेरे विचार हैं: संख्या 1 मेरी क्वेरी से मेल खाने वाले दस्तावेज़ों की गिनती का प्रतिनिधित्व करता है (जो केवल आईडी द्वारा पूछे जाने वाले प्रश्नों में से एक हो सकता है: और वे Post_Content

में यह साबित करने के लिए शब्दों की आवृत्ति का प्रतिनिधित्व नहीं करते हैं I ईद हटाया: क्वेरी और परिणाम से GUID था:

<int name="content">33</int> 
<int name="can">17</int> 
<int name="on">16</int> 
<int name="so">16</int> 
<int name="some">16</int> 
<int name="all">15</int> 
<int name="i">15</int> 
<int name="do">14</int> 
<int name="have">14</int> 
<int name="my">14</int> 

मेरे समस्या कैसे दस्तावेज़ में अवधि आवृत्ति, और नहीं कई शर्तों के दस्तावेज़ आवृत्ति प्राप्त करने के लिए है। उदाहरण के लिए, मुझे एक तथ्य के बारे में पता है कि बूट करने योग्य एक शब्द था जिसे मैंने पोस्ट_कॉन्सेन्ट में 6 बार इस्तेमाल किया था, इसलिए मैं दस्तावेजों के एक सेट के लिए जोड़े (6, "बूट करने योग्य"), (5, "डिस्क") जैसे सॉर्ट करना चाहता हूं।

Answer 1

मैं एक कामचलाऊ समाधान के साथ आए हैं: (आईएम एक प्रत्येक Solr दस्तावेज़ बुला उदाहरण खातिर "पोस्ट करें")

Solr में एक मामले घटक, जिसका उद्देश्य बेनकाब करने के लिए सभी अनुक्रमित हो रहा है नहीं है किसी भी दिए गए क्षेत्र की शर्तें। इसका मुख्य रूप से ऑटो-पूर्ण, और अन्य सुविधाओं को लागू करने के लिए उपयोग किया जाता है जो टर्म स्तर पर संचालित होते हैं। और यह डिफ़ॉल्ट रूप से आवृत्ति द्वारा क्रमबद्ध है - क्षेत्र में अधिक बार होने वाली शब्द पहले आती हैं।

क्या मैंने किया है एक गतिशील क्षेत्र बनाई गई है content_ कहा जाता है और अनुक्रमित प्रत्येक श्रेणी के आधार पर अपने स्वयं के क्षेत्र में बाद निर्धारित किया है। इसका मतलब है कि गतिशील क्षेत्र से युक्त एक के बाद सेट के उदाहरण के सैकड़ों हो जाएगा, और मुझे लगता है कि बाद के सेट के लिए शीर्ष शब्द पाने के लिए है कि मैदान पर शर्तों घटक का उपयोग कर सकते हैं।

एक तस्वीर के रूप में:

content_postSetOne : contains indexed version of a set of posts 
content_postSetTwo : contains indexed version of another set of posts 
content_postSetThree : contains indexed version of a third set of posts 

यह समाधान एक तरह से मेरे लिए काम कर रहा है, और आप आसानी से भी पोस्ट प्रति एक क्षेत्र बना सकते हैं यदि आवश्यक हो। मैं इस तरह गतिशील क्षेत्रों का उपयोग करने के प्रभावों को जानने में भी रूचि रखता हूं: क्या यह एक समस्या होगी?

यह कैसे Paige और jPountz जवाब से अलग है:

1. अवधि आवृत्ति 'ए' में शब्दों की गिनती या "डॉक्स का सेट" और नहीं युक्त डॉक्स की गिनती शामिल है अवधि।
2. मैं एक दस्तावेज़ से शीर्ष होने वाली शर्तों प्राप्त कर सकते हैं, और यदि दस्तावेजों के एक सेट से भी जरूरत है।
3. मैं faceting का उपयोग नहीं किया है क्योंकि यह मुख्य रूप से किए गए दस्तावेज़ों की संख्या के मामले में आवृत्ति देता है और समय की संख्या के मामले में नहीं शब्द जो दस्तावेज़ पर ध्यान दिए बिना हुई।

Answer 2

यदि ल्यूसीन दस्तावेज़ एक टिप्पणी है, तो आप ऐसा करने के लिए पहलू का उपयोग कर सकते हैं। उदाहरण के लिए, निम्नलिखित अनुरोध http://solr:port/solr/select?q={!lucene}uniqueKey:(MA147LL/A OR 3007WFP)&facet=true&facet.field=includes&facet.minCount=1&facet.limit=50 टिप्पणियों के लिए टैग क्लाउड बनाने में आपकी सहायता करेगा MA147LL/A और 3007WFP।

हालांकि, इस पद्धति होगा:

• Solr includes क्षेत्र है, जो स्मृति की आवश्यकता के लिए एक UnInvertedField उदाहरण का दृष्टांत बनाने,
• दस्तावेज है जो घटनाओं की कुल संख्या के बजाय एक शब्द से मेल खाते की संख्या की गणना इस शब्द का।

Answer 3

यहां एक लेख है जो टैग क्लाउड - Creating a Tag Cloud with Solr and PHP स्थापित करने का वर्णन करता है। जबकि पीएचपी भाग आप पर लागू नहीं हो सकता है, टैग बादल मेरा मानना ​​है कि है की वास्तविक पीढ़ी ...

यह लेख एक खाली स्थान के tokenizer अलग-अलग शब्द वापस जाने के लिए के साथ एक पाठ क्षेत्र बनाने और उसके बाद एक प्रदर्शन करने की एक विधि का वर्णन करता है इस क्षेत्र के खिलाफ पहलू खोज। मुझे पता है कि आप पहलू सीमा निर्धारित कर सकते हैं, इसलिए आपके मामले में आप केवल शीर्ष 100 परिणाम प्राप्त कर सकते हैं।