solr找到给定单词后最常用的单词

Question

我需要找到一个给定单词后最常用的单词。对于示例集合，

1. A B
2. A C
3. A B
4. B C

这里，单词A后面最常用的单词是B. 我怎样才能在solr中找到它？

Answer 1

创建一个以ShingleFilterFactory作为其过滤器之一的字段。这将为索引字段时生成每个单词的标记序列，以便A B C被编入索引为A B和B C。您将需要使用WhitespaceTokenizer或类似的字段。

请求搜索field:A\ *（意味着以A开头的所有内容）作为查询，并为该字段添加构面。

facet=true&facet.field=field&facet.limit=10&facet.sort=count

将为您提供十个最常用的以A开头的序列。

ShingleFilterFactory默认生成每个瓦片中有两个标记的带状疱疹，但您可以通过更改minShingleSize和maxShingleSize来调整此值。