我正在尝试使用 MoreLikeThis Solr 的功能根据其他文档查找类似文档,但我不太明白其中一些功能是如何工作的。
正如上面所说的here ,当存储 termVectors
时,MoreLikeThis 组件效果最佳。我的困惑来了。
在 Solr 的 schema.xml 文件中的字段(假设该字段包含电影评论文本)上启用标志 termVectors
是否足够?它会让 Solr 在插入给定字段后计算 termVectors,存储它,然后在后续调用 MoreLikeThis 处理程序时使用计算出的 termVectors 吗?
最佳答案
简短的回答是否定的,您需要在这样的架构更改后重新索引。 启用术语向量将加快从原始输入文档中查找有趣术语的过程(如果该文档位于索引中)。 第二阶段计时(当发生更多类似查询时)将保持不变。 有关 MLT 如何工作的更多信息 [1]。
一般来说,当对模式应用此类更改时,您需要重新索引文档以使 Solr 构建相关的数据结构(术语向量是每个文档的迷你索引,并且需要将特定文件存储在磁盘上) [2] 注意:这将增加您的磁盘利用率)
[1] https://www.slideshare.net/AlessandroBenedetti/advanced-document-similarity-with-apache-lucene
关于solr - Solr 中的术语向量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46559532/