使用Apache Solr和Carrot2进行聚类

Question

我对Apache Solr和Carrot2都很陌生。我试图使用Solr索引很多输入文件。最终目标是对文档进行聚类。

我不清楚聚类是由Solr还是通过carrot2工作台完成的？

有人可以指导我吗？

Answer 1

可以两种方式完成。

在一个设置中，Carrot2 Workbench可以从Solr获取搜索结果（就像从任何其他搜索引擎一样）并对它们进行聚类。这条路线可能是最容易开始的，您只需要提供Solr服务的URL和字段名称，以便为集群提供内容。

或者，您可以在Solr中配置search results clustering plugin，它将在Solr服务器内执行群集，并将搜索结果群集作为Solr搜索响应的一部分包含在内。

在这两种情况下，群集都应用于存储的文档内容（原始文本），因此将文档聚集在Solr中并没有太大的性能优势，除了减少序列化/反序列化开销之外。

最后，有一个过时的文件澄清了两个Carrot2-Solr integration strategies。