Solr 不突出显示某些单词
Posted
技术标签:
【中文标题】Solr 不突出显示某些单词【英文标题】:Solr does not highlight some words 【发布时间】:2016-01-19 01:53:05 【问题描述】:我用highlighting functionality 配置了solr 4.10(也是5.3)。它适用于大多数单词,但是我发现一些“不允许”允许突出显示的单词,即 solr 返回所需的文档,但不突出显示其中的一些。
什么会导致这种影响?
solrconfig.xml
<requestHandler name="/select" class="solr.SearchHandler">
<lst name="defaults">
<str name="wt">json</str>
<str name="indent">true</str>
<str name="defType">edismax</str>
<str name="bf">product(concount)</str>
<str name="df">text bio text_syn text_syn_other</str>
<str name="qf">
text^25 bio^16 text_syn^8 text_syn_other^3
</str>
<str name="hl">on</str>
<str name="hl.fl">text bio text_syn text_syn_other</str>
<str name="hl.preserveMulti">true</str>
<str name="hl.encoder">html</str>
<str name="f.text.hl.fragsize">100</str>
<str name="hl.snippets">20</str>
<arr name="components">
<str>highlight</str>
</arr>
</lst>
schema.xml
<fieldType name="text_en" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\n,/\\]" />
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.PorterStemFilterFactory"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms_abbr.txt" ignoreCase="true" expand="false"/>
</analyzer>
<analyzer type="query">
<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\n,/\\]" />
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.PorterStemFilterFactory"/>
</analyzer>
</fieldType>
<fieldType name="text_en_syn" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\n,/\\]" />
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.PorterStemFilterFactory"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="false"/>
</analyzer>
<analyzer type="query">
<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\n,/\\]" />
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.PorterStemFilterFactory"/>
</analyzer>
</fieldType>
<fieldType name="text_en_syn_other" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\n,/\\]" />
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.PorterStemFilterFactory"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms_other.txt" ignoreCase="true" expand="false"/>
</analyzer>
<analyzer type="query">
<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\n,/\\]" />
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.PorterStemFilterFactory"/>
</analyzer>
</fieldType>
<field name="text" type="text_en" indexed="true" stored="true" multiValued="false" />
<field name="text_syn" type="text_en_syn" indexed="true" stored="false" multiValued="true" />
<field name="text_syn_other" type="text_en_syn_other" indexed="true" stored="false" multiValued="true" />
<field name="text_exact" type="string" indexed="true" stored="false" multiValued="false" />
<field name="bio" type="text_en" indexed="true" stored="true" multiValued="false" />
<field name="bio_exact" type="string" indexed="true" stored="false" multiValued="false" />
<field name="concount" type="long" indexed="true" stored="true" multiValued="false" />
<field name="concount_exact" type="long" indexed="true" stored="false" multiValued="false" />
<copyField source="text" dest="text_syn"/>
<copyField source="bio" dest="text_syn"/>
<copyField source="text" dest="text_syn_other"/>
<copyField source="bio" dest="text_syn_other"/>
对于查询 http://localhost:8983/solr/select?q=senior
,我得到了包含单词 senior
的文档,但在 solr 响应的突出显示部分中,该单词未突出显示。
更新 1:
我发现我的synonyms_abbr.txt
文件中有senior
这个词,senior,lead
行。当我评论那行或替换单词的位置时,lead,senior
,令人惊讶的是,senior
开始突出显示。有什么想法吗?
更新 2:
来自synonyms.txt
和synonyms_other.txt
的单词会正常突出显示,但来自synonyms_abbr.txt
的单词会出现如下奇怪的行为。例如,我在synonyms_abbr.txt
中有行lead,head,senior
然后
http://localhost:8983/solr/select?q=senior
和http://localhost:8983/solr/select?q=head
没有突出显示任何单词,
查询http://localhost:8983/solr/select?q=lead
不仅突出显示单词lead
,还突出显示head
和senior
。
【问题讨论】:
请使用 Solr 后端功能来分析单词的转换。我不确定这个词的转换方式。这可能是一个阻塞问题。否则,请使用不同的字段,关闭仅保留标记器的转换,然后尝试从该字段突出显示。 @Mher 是没有突出显示停用词的词吗?还是只是随机的? 我没有任何停用词配置。整个stopwords.txt
文件都被注释了。
你试过expand=true
吗?
【参考方案1】:
从您的 update2 中可以清楚地看出,只有 lead,head,senior
中的第一个词实际上用于同义词匹配和突出显示。
如果您查看 SolrWiki 上的文档 https://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters,会提到 expand=true
具有一定的效果
synonyms 参数命名定义同义词的外部文件。 如果 ignoreCase 为真,则在检查相等性之前匹配将小写。 如果 expand 为真,同义词将扩展为所有等效的同义词。如果为 false,则所有等效的同义词将减少到列表中的第一个。
该网站还提供和示例
# If expand==true, "ipod, i-pod, i pod" is equivalent to the explicit mapping:
ipod, i-pod, i pod => ipod, i-pod, i pod
# If expand==false, "ipod, i-pod, i pod" is equivalent to the explicit mapping:
ipod, i-pod, i pod => ipod
这似乎与您观察到的行为一致。 这意味着您应该更改 schema.xml 中的同义词过滤器定义以使用 expand=true 或 更改同义词文件定义过滤器的方式以使用显式映射。
此外,由于分析器在索引时工作,您可能需要重新索引文档才能使其正常工作。
【讨论】:
感谢您的解释,这很有帮助,您能否解释一下问题的另一部分:例如我们有expand=true
,为什么当我从@987654326 查询同义词时@ 文件然后该词的所有同义词以及其自身都会被突出显示,但是当从 synonyms.txt
中选择同义词时,突出显示只会获得该词,而不是该词的同义词?
查看您的字段定义,链接到 synonym.txt 的字段似乎配置为 store=false。因此突出显示将不起作用。请参阅 ilinca 对此问题的其他回复【参考方案2】:
您能否尝试在 synonyms_abbr.txt 文件中添加高级、铅和铅,高级,然后尝试运行荧光笔
【讨论】:
【参考方案3】:部分字段未存储,因此无法返回。由于它们已编入索引,因此它们是可搜索的。将您的架构更改为已为您要突出显示的所有字段存储 =“true”。
<field name="text_syn" type="text_en_syn" indexed="true" stored="true" multiValued="true" />
<field name="text_syn_other" type="text_en_syn_other" indexed="true" stored="true" multiValued="true" />
通过查看您的配置,我推测在 bio 和 text 字段上突出显示作品?
【讨论】:
没有@linca,突出显示不适用于生物和文本字段。我不考虑未存储的文件。 哦,对不起。以上是关于Solr 不突出显示某些单词的主要内容,如果未能解决你的问题,请参考以下文章
Spring Boot Solr HighlightPage 不返回突出显示的信息
使用 ffmpeg drawtext 突出显示文本中的一些单词