Solr 中的词频

Question

我正在尝试使用 solr 获取单词的频率。当我给出这个查询时：

localSolr/solr/select?q=someQuery&rows=0&facet=true&facet.field=content&wt=xml

solr 给我类似的频率；

<lst name="facet_counts">
<lst name="facet_queries"/>
<lst name="facet_fields">
<lst name="content">
<int name="word1">24</int>
<int name="word2">12</int>
<int name="word3">8</int>

但当我数着单词的时候；我发现word2的实际计数是13。Solr将字段中相同的单词计数为1。

例如;

字段文本组成；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，它返回 1 作为 word2 的计数；

word2 word10 word11 word12
word2 word9 word7 word2 word23

所以频率返回错误。我已经检查了方面字段，但没有找到合适的参数。我该如何修复它以便计算句子中的相同单词？

编辑：schema.xml 的相关部分：

<fieldType name="text_tr" class="solr.TextField" positionIncrementGap="100">
    <field name="content" type="text_tr" stored="true" indexed="true" multiValued="true"/>
    <copyField source="content" dest="text"/>
    <field name="text" type="text_tr" stored="false" indexed="true" multiValued="true"/>

Answer 1

如果您要分面的字段是多值的，则分面中的每个单词都会获得正确的计数

我忘了提一件事：术语向量组件将带您到达您需要的地方

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 应在哪些字段上计算频率

注意，这会使您的索引时间比现在慢（又名：您必须尝试一下）