如何正确配置Solr以删除字段

Question

我已经基于mysql产品数据库构建了一个solr核心。核心工作正常，我可以搜索产品。我面临的问题是，当描述中多次出现搜索词时，与仅包含该词一次的产品相比，该产品被认为更具相关性。有没有办法告诉声纳不考虑重复？

我已阅读有关UniqFieldsUpdateProcessorFactory的信息，但未能正确配置，因此我甚至不确定这是否是解决问题的正确方法。

我已将此添加到我的solrconfig.xml

<processor class="solr.UniqFieldsUpdateProcessorFactory">
  <str name="fieldRegex">.*_uniq</str>
</processor>

我也不确定如何验证此配置是否实际有效以及影响（如果有的话）。

任何关于如何前进的指示都会非常感激。

Answer 1

您可以在schema.xml的索引部分添加solr.RemoveDuplicatesTokenFilterFactory过滤器，以便在编制索引时删除重复项。使用示例包含此userwiki和solrwiki。这将需要重新编制索引。

我在更新处理器链中使用solr.UniqFieldsUpdateProcessorFactory以确保在原子更新期间不添加重复项。文档上传时从未尝试过它的行为。 Yonik在此link中解释了原子更新。我用以下方式使用它：

<processor class="solr.UniqFieldsUpdateProcessorFactory">
  <str name="fieldRegex">[NAME OF MY FIELD IN SCHEMA.XML]</str>
</processor>

您可以使用重复记录的样本数据在本地设置上对其进行测试。

Answer 2

问题是索引问题还是相关问题？因为通常情况下，如果一个术语在一个字段中发生多次，那么 IS 文档被认为比其他文档更具相关性。

如果您不想这样，可以使用omitTermFreqAndPositions flag启用重定义字段，该字段不会存储或考虑在该特定字段中看到的字词数。

此更改后，您需要重新索引所有内容。