计算SOLR索引中单词的总频率

Question

如果我在SOLR索引中搜索某个单词，则会得到包含该单词的文档的文档计数，但是如果该单词在文档中包含的次数更多，则每个文档的总数仍为1。

我需要对每个返回的文档进行计数，以计算它们在该字段中具有搜索词的次数。

我在Solr和SOLR术语频率中读取词频率，并启用了术语向量分量，但是它不起作用。

我以这种方式配置字段：

<field name="text_text" type="textgen" indexed="true" stored="true" termVectors="true" termPositions="true" termOffsets="true" />

但是，如果我进行以下查询：

http://localhost:8888/solr/sources/select?q=text_text%3A%22Peter+Pan%22&fl=text_text&wt=json&indent=true&tv.tf

我没有任何数：

{
  "responseHeader":{
    "status":0,
    "QTime":1,
    "params":{
      "fl":"text_text",
      "tv.tf":"",
      "indent":"true",
      "q":"text_text:\"Peter Pan\"",
      "wt":"json"}},
  "response":{"numFound":12,"start":0,"docs":[
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"},
      {
        "text_text":"Text of the document"}]
  }}

我看到“ numFound”值为12，但在所有12个文档中都包含20次“ Peter Pan”。

你能帮我找到我错了吗？

非常感谢你！

Answer 1

我认为首先你的例子不起作用，因为“Peter Pan”不是一个单词或术语 - 它是一个短语。关于查找短语频率的挑战的一个很好的讨论如下：

短语的 termfreq

我会用一个单词而不是短语重新尝试您的示例，看看它是否适合您。