Solr中的字频率
我试图使用solr获得单词的频率。 当我提出这个问题:
localSolr/solr/select?q=someQuery&rows=0&facet=true&facet.field=content&wt=xml
solr给我频率像;
24 12 8
但是当我算上这些话时; 我发现word2的实际计数是13. Solr将字段中的相同单词计为一个。
例如;
字段文本包括; word2 word5 word7 word9 word2
。 Solr不返回word2的计数数字2,而是返回1.对于下面两个句子的word2计数,它返回1;
word2 word10 word11 word12 word2 word9 word7 word2 word23
所以频率错误地返回。 我检查了facet字段但没有找到适当的参数。 我如何修复它以使它在句子中计算相同的单词?
编辑:schema.xml的相关部分:
如果您正在进行的字段是多值的,则构面中的每个字都会获得正确的计数
我忘了提一件事: Term Vector Component会让你到达你需要的地方
在查询中, tv.tf将为您提供每个术语的术语频率,而tv.fl告诉solr应在哪些字段中计算频率
NB这使你的索引时间比现在慢(aka:你必须尝试)
使用luke请求处理程序
http://localhost:8983/solr/admin/luke?fl=YOUR_TEXT_FIELD&numTerms=500
更多信息: http : //wiki.apache.org/solr/LukeRequestHandler