文档标记

Question

我有非常大的solr索引。我想用最能代表该文档的术语标记所有文档，例如this。这种类型的聚类结果是否也属于文档标记？

哪种方法更好，索引时间文档标记或查询时间文档标记如carrot2？

Answer 1

查询时间有一个明显的缺点，即这会使查询更加昂贵。

但是，查询时的聚类结果可能会更好，因为当时已经看到更多信息，并且可以合并用户反馈。

请注意，从技术上讲，这可能是频繁模式挖掘而不是聚类分析。

也许您应该在整个数据集中尝试频繁模式挖掘的这种变体。您可能甚至不需要存储哪些文档被标记为哪种方式 - 应该已经优化了solr引擎以在需要时再次检索它们。

Answer 2

我从您的问题中了解到您想知道如何使用solr实现与carrot2分面相似的内容。

IMO您可以在文档中添加多值字段 tag（请参阅此Stack Overflow Question以获取示例），然后构建 facet 使用该字段，如Solr wiki here和here中所述。