問題タブ [faceted-search]

皆さん、こんにちは。開発中のアルゴリズムのテストを行うのに十分な大きさのセマンティック データセットを探していました。

これは、AllegroGraph に「簡単に」アップロードできる既存の RDF/XML ファイルを意味します。ダミーのデータセットをいくつか見つけましたが、それらは「char1」、「char2」、「node121」などの非現実的なデータを使用しています。最初はこれで問題ありません。

しかし今、車、植物、映画、本など、実際のものに関するデータセットを使用してテストする必要があります。いくつかの組み合わせが理想的です。具体的には、少なくとも 3 つまたは 4 つのファセットを持つ 50,000 を超えるオブジェクトを含むものです。これらのデータセットはどこかにあると言われましたが、見つかりません。

リンク、ポインタ、または提案は大歓迎です。また、この質問を投稿するためのより良いサイトがあれば、アドバイスに従います。

複数のサイトのコンテンツをインデックス化するための単一の Solr インスタンスがあります。インデックス作成中に、特定の Web サイトごとにそのフィールドでファセット検索を実行できるように Web サイト フィールドにデータを入力しています...そしてそれは問題なく動作します。

ただし、Solr MLT 機能を使用すると、すべての Web サイトから結果が得られるため、MLT の結果を 1 つの Web サイトだけに絞り込みたいと考えています。

Solr MLT のファセットを定義することは可能ですか、それとも同じことを達成するための他のより良い方法はありますか?

Solr がそれをサポートしている場合、solrnet でも利用できますか?

ファセット検索モジュールは Drupal 7 に移行されていません
。

Apache SOLRのように、既製のファセットをサポートするnosql dbを誰かが知っている/誰かが指摘できますか?

私は読んだことがありますが、Sphinx ではそのままではファセット検索をサポートしていませんが、プラグインの形式で実装することができます。

Upd: 私はエンタープライズ レベルのシステムにしか興味がありません。

私がこれまで見てきたすべてのソリューションには、nosql またはデータ ウェアハウジングを使用したデータの複製が含まれます。より効率的な方法はありますか？

2011-06-07 編集:重複がないということは、ETLがないことを意味します。メインデータベースから直接データを抽出したいと思います。それは関係性ですが、私は変化する時が来ました。

Solr 3.1 のファセット範囲を数値にうまく使用した人はいますか? たとえば、フィールド タイプが double または tdouble のドキュメント フィールドの場合はどうでしょうか。(アナライザーなし)

SolrJ を介した私のリクエストはすべて、 f.[fieldname].facet.range.start .end および .gap ディレクティブを完全に無視しているようで、グループ化されていない結果が得られます。

(通常のファセットは正しく機能しました)

次の問題を処理する方法がわかりません。ですから、ここでいくつかのアイデアやそのようなものを手に入れたいと思っています。私はsolrでluceneを使用しています。すべてのドキュメント (lucene でインデックス化されている) には、日付フィールドとトピック フィールド (いくつかのキーワードを含む) があります。

ファセット検索を使用することで、特定の日付におけるすべてのキーワードの頻度を計算できます。

例 1 (疑似コード):

しかし今、どの単語頻度が非常に強くなり、魔女がそうでないかを計算するために、結果を 1 つの solr/lucene クエリに結合したいと思います。結果は次のようになります。

例 2:

solr 内でこの統合 (および計算) を実行することは可能 (かつ有用) ですか? または、2 つの solr クエリ (例 1 を参照) を開始し、結果を PHP で後処理する方がよいでしょうか?

あなたより！

私は一連の製品を持っています。製品ごとに、solr ファセット検索を作成する必要があります。

次の「製品」の例:

ファセット検索を使用して、すべての製品がフィールド PRODUCT にどのくらいの頻度で存在するかを判断するのが好きです。次の結果で

今、私はすべての単語/製品に対して1つのファセット検索を使用することでそれを実現しています. これは機能しますが、次のオプションを使用すると、結果が 400 ミリ秒で返されます。

残念ながら、実際には (上記の例のように) 3 つの製品はなく、関連する約 100 の製品があります。つまり、PHP スクリプトは 400 ミリ秒で 100 回の solr 検索を要求する必要があるため、スクリプトの実行に 40 秒かかり、これは長すぎます。「すべての」製品 (「fq=" なし) の無制限/無制限のファセット検索を実行することはできません。これは、何千もの製品があり、すべての情報だけを必要としないためです。

たとえば、これらの複数のsolrリクエストを1つにマージするなど、パフォーマンスを向上させる方法はありますか?

ありがとうございました！

COLORS と呼ばれる solr/lucene のドキュメント フィールドには、次のような単語のグループがあります。

field1: 青/濃い赤/緑 field2: 青/黄/オレンジ [...]

すべての色と各色の数を取得するには、それに対してファセット検索を実行する必要があります。最初に PatternTokenizerFactory を試し、次にストップワード リストを試しました。

残念ながら、ストップワード リストの縫い目は無視されます。ファセット検索結果にストップワードが表示されます。

This SO questionは同じ問題を説明しています。残念ながら、投稿されたソリューションは私にとってはうまくいきません.solr.StandardTokenizerFactoryを使用できないためです. つまり、「濃い赤」が「濃い」「赤」になるというのは間違っています。

パターントークナイザーを使用する方法はありますか?

どんな種類の助けもありがとう！

http://www.devatwork.nl/index.php/articles/lucenenet/faceted-search-and-drill-down-lucenenet/からこの記事を読んでいます。

作成者は、Lucene が各フィールドに複数の値を格納することをサポートしているかどうかについては言及しませんでした。

この記事の例に従うと、本には複数のジャンルと複数の著者が含まれる場合があります。

ジャンルフィールドに複数のジャンルを格納することはできますか?

複数のジャンルや複数の著者で検索することもできますか？1 つ以上のクエリ ジャンルに一致し、1 つ以上の著者に一致する場合、結果はドキュメントを返す必要があります。

ありがとう、

ヴダン