Solr自定義更新請(qǐng)求處理器：UIMA集成

您可以將 Apache 非結(jié)構(gòu)化信息管理體系結(jié)構(gòu)（UIMA）與 Solr 進(jìn)行集成。通過 UIMA，您可以定義分析引擎（Analysis Engines）的自定義管道，以增量方式將元數(shù)據(jù)作為注釋添加到文檔中。 

Solr 如何配置 UIMA

SolrUIMA UpdateRequestProcessor 是一個(gè)自定義的更新請(qǐng)求處理器，它將文檔編入索引，將它們發(fā)送到 UIMA 管道，然后返回富集了指定元數(shù)據(jù)的文檔。要為 Solr配置 UIMA，請(qǐng)按照下列步驟操作：

1. 將 solr-uima-VERSION.jar（在 /solr-VERSION/dist/ 中）及其庫(kù)（在 contrib/uima/lib 中）復(fù)制到 Solr 庫(kù)目錄中，或者將 solrconfig.xml 中的 <lib/> 標(biāo)記適當(dāng)?shù)卦O(shè)置以指向這些 jar 文件：

   <lib dir="../../contrib/uima/lib" />
   <lib dir="../../dist/" regex="solr-uima-\d.*\.jar" />

2. 修改 schema.xml，添加所需的元數(shù)據(jù)字段，為類型、索引、儲(chǔ)和多值選項(xiàng)指定適當(dāng)?shù)闹?。例如?pre lang="javascript" style="max-width: 100%;"><field name="language" type="string" indexed="true" stored="true" required="false"/> <field name="concept" type="string" indexed="true" stored="true" multiValued="true" required="false"/> <field name="sentence" type="text" indexed="true" stored="true" multiValued="true" required="false" />
3. 將以下代碼片段添加到 solrconfig.xml 中：

   <updateRequestProcessorChain name="uima">
     <processor class="org.apache.solr.uima.processor.UIMAUpdateRequestProcessorFactory">
       <lst name="uimaConfig">
         <lst name="runtimeParameters">
           <str name="keyword_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="concept_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="lang_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="cat_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="entities_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="oc_licenseID">VALID_OPENCALAIS_KEY</str>
         </lst>
         <str name="analysisEngine">/org/apache/uima/desc/OverridingParamsExtServicesAE.xml</str>
         <!-- Set to true if you want to continue indexing even if text processing fails.
              Default is false. That is, Solr throws RuntimeException and
              never indexed documents entirely in your session. -->
         <bool name="ignoreErrors">true</bool>
         <!-- This is optional. It is used for logging when text processing fails.
              If logField is not specified, uniqueKey will be used as logField.
         <str name="logField">id</str>
         -->
         <lst name="analyzeFields">
           <bool name="merge">false</bool>
           <arr name="fields">
             <str>text</str>
           </arr>
         </lst>
         <lst name="fieldMappings">
           <lst name="type">
             <str name="name">org.apache.uima.alchemy.ts.concept.ConceptFS</str>
             <lst name="mapping">
               <str name="feature">text</str>
               <str name="field">concept</str>
             </lst>
           </lst>
           <lst name="type">
             <str name="name">org.apache.uima.alchemy.ts.language.LanguageFS</str>
             <lst name="mapping">
               <str name="feature">language</str>
               <str name="field">language</str>
             </lst>
           </lst>
           <lst name="type">
             <str name="name">org.apache.uima.SentenceAnnotation</str>
             <lst name="mapping">
               <str name="feature">coveredText</str>
               <str name="field">sentence</str>
             </lst>
           </lst>
         </lst>
       </lst>
     </processor>
     <processor class="solr.LogUpdateProcessorFactory" />
     <processor class="solr.RunUpdateProcessorFactory" />
   </updateRequestProcessorChain>

   您需要注意以下幾點(diǎn)：
   • VALID_ALCHEMYAPI_KEY 是您的 AlchemyAPI 訪問密鑰。您需要注冊(cè)一個(gè) AlchemyAPI 訪問秘鑰以使用 AlchemyAPI 服務(wù)，注冊(cè)地址如下： http : //www.alchemyapi.com/api/register.html。
   • VALID_OPENCALAIS_KEY 是您的 Calais 服務(wù)密鑰（Calais Service Key）。您需要注冊(cè) Calais 服務(wù)密鑰才能使用 Calais 服務(wù)，注冊(cè)地址如下：http : //www.opencalais.com/apikey。
   • analysisEngine 必須在類路徑的指定路徑中包含一個(gè) AE 描述符。
   • analyzeFields 必須包含需要由 UIMA 分析的輸入字段。如果 merge=true 那么他們的內(nèi)容將被合并和分析一次。
   • 字段映射描述哪些類型的功能應(yīng)該在字段中進(jìn)行。
4. 在您的 solrconfig.xml 替換現(xiàn)有的默認(rèn) UpdateRequestHandler 或創(chuàng)建一個(gè)新的 UpdateRequestHandler：

   <requestHandler name="/update" class="solr.XmlUpdateRequestHandler">
     <lst name="defaults">
       <str name="update.chain">uima</str>
     </lst>
   </requestHandler>

一旦您完成了配置，您的文檔將在索引時(shí)自動(dòng)豐富指定的字段。

有關(guān) Solr UIMA 集成的更多信息，請(qǐng)參閱：https://wiki.apache.org/solr/SolrUIMA。