问题标签 [morelikethis]

我正在使用 Solr 的最新 Siren 发行版来索引我的数据并进行搜索。( http://siren.solutions/siren/downloads/ )

有没有一种简单的方法可以在我的索引数据中搜索类似的文档。类似于 Solr 的 MoreLikeThis 查询（https://cwiki.apache.org/confluence/display/solr/MoreLikeThis）。

我的目标是找到与我感兴趣的具有相似 json 结构的文档。

最好的，伯恩德

我想使用 NEST 库在 Elasticsearch 上使用 moreLikeThis 查询，并为每个匹配项提供不同的提升值。

这是我坚持的查询。我可以用原始 JSON 格式轻松编写它，但这不是我的目标。我在 C# 和 NEST 中都很新，不知道如何在那里传递 documentId。

那是我的课，如果它有帮助的话：

这就是我作为 JSON 使用的查询，它工作得很好。

NEST中的文档没有解释或给出如何完成的基本概念。

谢谢你。

所以首先我们得到一个包含所有标记的 termVectors 列表，然后我们创建一个map<token, frequency in the document>. 然后方法 createQueue 将通过删除、stopWords 和出现不够的单词来确定分数，计算 idf，然后是给定标记的 idf * doc_frequency等于它的token，那么我们保留25个最好的，但是之后它是如何工作的？它与整个指数相比如何？我阅读了http://cephas.net/blog/2008/03/30/how-morelikethis-works-in-lucene/但这并没有解释它，或者我错过了重点。

只是想知道是否可以将 MLT 查询（基于过滤条件）组合成一个查询。我正在尝试结合这两个查询的结果：

Source 字段对于两个查询具有不同的值。我想结合两个查询的结果，是否可以在一个查询中完成？

任何指针将不胜感激。

https://www.elastic.co/guide/en/elasticsearch/reference/1.6/query-dsl-mlt-query.html#_query_formation_parameters

列出boost_terms但不显示我们应该如何使用它..

我也没有google它。。

我试过了

我将为 Solr 实现一个搜索组件，以使用更像这个有趣的术语来返回文档主要关键字。通过 lucene docID 使用 mlt.retrieveInterestingTerms 的已实现组件的主要部分不适用于所有文档。我的意思是对于一些文档，solr funnyterms 返回一些有用的术语作为顶级 tf-idf 术语；但是，实现的方法返回 null！但是对于其他文档，两个结果（solr MLT 有趣的术语和 mlt.retrieveInterestingTerms(docId)）是相同的！你能帮我解决这个问题吗？

笔记：

我确实定义termVectors=true了我将用于生成有趣术语的所有必填字段（相应方法中的字段数组）

我尝试使用产品描述中的文本作为推荐的输入来构建产品推荐器。

但由于某些原因，我没有得到任何结果。我将产品描述设置为 Schema.XML 中的文本字段。我还将它标记为矢量场。

我的查询看起来像这样select?q=id:189&mlt=true&mlt.fl=productdescription&mlt.mintf=1&mlt.mindf=0

根据我的理解，这个查询应该以某种方式总是给我带来一些类似的项目，即使分数会非常低，因为 df 设置为 0。

但我得到的唯一结果有时是具有相同描述但 ID 不同的产品的副本（数据集并不完美）。

所以我的问题是：即使整个文本中没有 1:1 匹配，我怎么能总是得到下一个最近的文档

我想运行一个more_like_this查询，但只获得一组特定文档中的顶级结果，所以我会提供这些文档的 ID。有没有办法做到这一点？文档表明没有。

我试图将这个 MoreLikeThis 示例“升级”到 Lucene 5.2.1。我能够让它运行，但我不明白fieldName方法参数的目的like(String fieldName, Reader... readers)。

文档的创建和索引为

查询初始化如下

正如我所说，它按预期工作。类似的文档被适当地恢复和排名。所以，由于de API没有解释参数，我做了一些实验：代替“title”，我将它改为“content”，“xxx”和NULL。

他们都返回了相同的文件，分数相同......

我试图在 Lucene 源码里面查看，参数是用来调用addTermFrequencies的，然后是analyzer.tokenStream(fieldName, r). 之后，据我所知，代码变得复杂......

所以，这个论点似乎是“重要的”，但正如我所说，它没有任何区别。

有谁知道它的目的？

我正在做一个项目，我大量使用 Elasticsearch 并利用moreLikeThis查询来实现一些功能。MLT 查询的官方文档说明如下：

为了加快分析速度，它可以帮助在索引时存储术语向量，但会以磁盘使用为代价。

在**如何工作*部分。现在的想法是调整映射以存储预先计算的术语向量。问题是，从文档中似乎不清楚应该如何做到这一点。一方面，在MLT文档中，它们提供了如下所示的示例映射：

另一方面，在术语向量文档中，它们在示例 1部分中提供了一个如下所示的映射

这应该create an index that stores term vectors, payloads etc.

现在的问题是：应该使用哪个映射？这是文档中的缺陷还是我遗漏了什么？