MoreLikeThis搜索組件介紹

MoreLikeThis 搜索組件使用戶能夠查詢與結(jié)果列表中的文檔類似的文檔。

它通過(guò)使用原始文檔中的術(shù)語(yǔ)在索引中查找類似的文檔來(lái)做到這一點(diǎn)。

您可以通過(guò)三種方法使用 MoreLikeThis 搜索組件。第一個(gè)，也是最常見(jiàn)的，就是將它用作請(qǐng)求處理程序。在這種情況下，您可以根據(jù)需要將文本發(fā)送到 MoreLikeThis 請(qǐng)求處理程序（如用戶單擊“類似文檔”鏈接時(shí)）。

第二種方法是將其用作搜索組件。這是不太理想的，因?yàn)樗鼘?duì)每個(gè)返回的文檔執(zhí)行 MoreLikeThis 分析，這可能會(huì)降低搜索結(jié)果。

最后的方法是將其用作請(qǐng)求處理程序，但使用外部提供的文本。這種情況，也被稱為 MoreLikeThisHandler，將根據(jù)輸入文檔的文本提供索引中有關(guān)類似文檔的信息。

MoreLikeThis是如何工作的

MoreLikeThis 基于文檔中的術(shù)語(yǔ)構(gòu)造 Lucene 查詢。它通過(guò)從定義的字段列表中提取 term 來(lái)實(shí)現(xiàn)這一點(diǎn)（請(qǐng)參閱下面的 mlt. fl 參數(shù)）。為了獲得最佳結(jié)果，這些字段應(yīng)該已經(jīng)在 schema.xml 中存儲(chǔ)了詞條（term）向量。例如：

<field name="cat" ... termVectors="true" />

如果 term 向量不存儲(chǔ)，MoreLikeThis 將從存儲(chǔ)的字段中生成 term。為了使 MoreLikeThis 正常工作，還必須存儲(chǔ) uniqueKey。

下一個(gè)階段使用 MoreLikeThis 參數(shù)定義的閾值來(lái)過(guò)濾來(lái)自原始文檔的 term。最后，使用這些 term 運(yùn)行查詢，并返回已定義的任何其他查詢參數(shù)（請(qǐng)參閱下面的 mlt. qf 參數(shù)）和新的文檔集。

MoreLikeThis搜索組件參數(shù)

以下總結(jié)了 Lucene/Solr 支持的 MoreLikeThis 參數(shù)。這些參數(shù)可以與三種可能的 MoreLikeThis 方法中的任何一種一起使用。

• mlt.fl 參數(shù)
  

  指定用于相似性的字段。如果可能，這些應(yīng)該已經(jīng)存儲(chǔ)termVectors。

• mlt.mintf 參數(shù)
  

  指定最小 term 頻率（Minimum Term Frequency），即在源文檔中將忽略哪些 term 的頻率。

• mlt.mindf 參數(shù)
  

  指定“最小文檔頻率”（Minimum Document Frequency），這是詞被忽略的頻率，至少在很多文檔中不會(huì)出現(xiàn)。

• mlt.maxdf 參數(shù)
  

  指定“最大文檔頻率”，這是在多個(gè)文檔中出現(xiàn)的詞被忽略的頻率。

• mlt.minwl 參數(shù)
  

  設(shè)置單詞將被忽略的最小字長(zhǎng)。

• mlt.maxwl 參數(shù)
  

  設(shè)置單詞將被忽略的最大字長(zhǎng)。

• mlt.maxqt 參數(shù)
  

  設(shè)置將包含在任何生成的查詢中的查詢條件的最大數(shù)量。

• mlt.maxntp 參數(shù)
  

  設(shè)置未在 TermVector 支持下存儲(chǔ)的每個(gè)示例文檔字段中要解析的最大標(biāo)記數(shù)。

• mlt.boost 參數(shù)
  

  指定查詢是否被有趣的術(shù)語(yǔ)“相關(guān)性”提升。它可以是“true”或“false”。

• mlt.qf 參數(shù)
  

  使用與 DisMax 查詢解析器所使用的格式相同的查詢字段及其 boost。這些字段也必須在 mlt. fl 中指定。
  

MoreLikeThisComponent的參數(shù)

使用 MoreLikeThis 作為搜索組件返回響應(yīng)集中每個(gè)文檔的類似文檔。除了通用參數(shù)之外，還可以使用這些附加選項(xiàng)：

• mlt
  

  如果設(shè)置為true，激活MoreLikeThis組件并使得 Solr 返回MoreLikeThis結(jié)果。

• mlt.count
  

  指定要為每個(gè)結(jié)果返回的相似文檔的數(shù)量。默認(rèn)值是5。

MoreLikeThisHandler的參數(shù)

以下總結(jié)了可通過(guò) MoreLikeThisHandler 訪問(wèn)的參數(shù)。它支持使用通用查詢參數(shù)進(jìn)行分面、分頁(yè)和過(guò)濾，但不能很好地處理備用查詢解析器。

• mlt.match.include
  

  指定響應(yīng)是否應(yīng)包含匹配的文檔。如果設(shè)置為 false，則響應(yīng)看起來(lái)像正常的選擇響應(yīng)。

• mlt.match.offset
  

  指定在主查詢搜索結(jié)果中的偏移量，以定位 MoreLikeThis 查詢應(yīng)在其上操作的文檔。默認(rèn)情況下，查詢對(duì) q 參數(shù)的第一個(gè)結(jié)果進(jìn)行操作。
  

• mlt.interestingTerms
  

  控制MoreLikeThis組件如何為查詢提供 "interesting" 術(shù)語(yǔ)（頂部TF / IDF術(shù)語(yǔ)）。支持三個(gè)設(shè)置。設(shè)置列表中列出了這些 term。設(shè)置沒(méi)有列出任何 term。設(shè)置細(xì)節(jié)列出了 term 以及每個(gè) term 使用的 boost 值。除非mlt.boost=true，否則所有條件都會(huì)有boost=1.0。

MoreLikeThis查詢解析器

mlt 查詢解析器提供了一種機(jī)制，用于檢索類似于給定文檔的文檔，如處理程序。有關(guān) mlt 查詢解析器用法的更多信息，可在其他解析器部分找到。