Solr中的字词频率

我正在尝试使用solr来获取单词的频率。当我给这个查询：Solr中的字词频率

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

solr给我的频率像;

<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>

但是，当我数的话;我发现word2的实际计数值是13.Ssolr统计字段中相同的单词。

例如;

字段文本包含; word2 word5 word7 word9 word2。 Solr不会返回word2的计数编号2，而是返回1.它将为下面两个句子的word2计数返回1;

word2 word10 word11 word12 
word2 word9 word7 word2 word23

因此频率返回错误。我已经检查了方面的领域，但没有找到适当的参数。我该如何解决这个问题，以便它能够统计句子中的相同单词？

编辑：schema.xml中的相关部分：

<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"/>

来源

2012-10-23 yns

如果你刻面在球场上是多值，然后在小的每个字词都有适当数量

我忘了提一两件事：在您的查询需要

Term Vector Component会得到你，tv.tf会给你每个术语的词频，而tv.fl告诉SOLR了哪些字段的频率应计算

NB这使得你的索引时间比现在更慢（又名：你也来试试吧）

来源

2012-10-23 13:30:47

感谢您的回答。我改变了字段来使多值参数为真，但它仍然返回错误的答案。 – yns

你可以发布你的schema.xml，所以也许我可以给你更多的信息？ –

对不起，我不能把所有的schema.xml，但我编辑并把相关的部分。我希望它有帮助。 – yns

使用卢克请求处理

http://localhost:8983/solr/admin/luke?fl=YOUR_TEXT_FIELD&numTerms=500

来源

2012-10-23 16:20:30

Solr中的字词频率

回答

相关问题