根据句子而不是整个字段值构建Solr建议

Question

我有一个带有建议组件的S​​olr实例.它使用AnalyzingInfixLookupFactory实现工作正常.

但是,我想将建议扩展到一个content字段,该字段可以包含大量文本.建议者可以找到建议,但它返回整个字段值,而不仅仅是句子或句子的一部分.

所以,如果我想要一个"foo"的建议,并且该content字段包含如下文本:

"我真的很喜欢比萨饼.还有甜甜圈.让我们从那个地方买点.这个酒吧吧."

建议将是整个文本,而不仅仅是"The foo bar place".而且,显然,当content数百字长时,这不是可以用的.

有没有办法限制建议的返回单词数量？

这是我的搜索组件:

<searchComponent name="suggest" class="solr.SuggestComponent">
  <lst name="suggester">
    <str name="name">autocomplete</str>
    <str name="lookupImpl">AnalyzingInfixLookupFactory</str>
    <str name="indexPath">suggestions</str>
    <str name="dictionaryImpl">DocumentDictionaryFactory</str>
    <str name="field">suggest</str>
    <str name="suggestAnalyzerFieldType">text_suggest</str>
    <str name="buildOnStartup">false</str>
    <bool name="highlight">false</bool>
    <str name="payloadField">label</str>
  </lst>
</searchComponent>

这是请求处理程序:

<requestHandler name="/suggest" class="solr.SearchHandler" startup="lazy">
  <lst name="defaults">
    <str name="suggest">true</str>
    <str name="suggest.dictionary">autocomplete</str>
    <str name="suggest.count">10</str>
  </lst>
  <arr name="components">
    <str>suggest</str>
  </arr>
</requestHandler>

最后,这里是建议的派生领域:

<fieldType name="text_suggest" class="solr.TextField" positionIncrementGap="100">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

<field name="suggest" type="text_suggest" indexed="true" multiValued="true" stored="true"/>

然后,我使用一堆<copyField>s来复制内容.

编辑2015-08-28

该content字段定义如下:

<fieldType name="text" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
    <charFilter class="solr.MappingCharFilterFactory" mapping="txt/mapping-ISOLatin1Accent.txt"/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="txt/stopwords.txt" />
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="0" splitOnNumerics="0" preserveOriginal="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
    <filter class="solr.NGramFilterFactory" minGramSize="3" maxGramSize="25"/>
  </analyzer>
  <analyzer type="query">
    <charFilter class="solr.MappingCharFilterFactory" mapping="txt/mapping-ISOLatin1Accent.txt"/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

<field name="content" type="text" indexed="true" stored="true" termVectors="true"/>

编辑2016-09-28

这个问题可能是相关的:Solr SuggestComponent能够返回带状疱疹而不是整个字段值吗？

Answer 1

我认为您可能正在寻找的是solr.ShingleFilterFactory，它只是允许根据字数限制令牌大小，而不是像您一直在尝试使用的solr.NGramFilterFactory中那样限制文本长度。
请参阅 SOLR wiki 页面了解更多详细信息：
https://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters#solr.ShingleFilterFactory