術語向量組件：TermVectorComponent

TermVectorComponent 是一個搜索組件，用于返回關于與您的搜索匹配的文檔的附加信息。

對于響應中的每個文檔，TermVectorCcomponent 可以返回術語向量、術語頻率、逆文檔頻率、位置和偏移量信息。

術語向量組件配置

TermVectorComponent 未在 Solr 中隱式啟用 - 它必須在 solrconfig.xml 文件中顯式配置。本頁中的示例顯示了如何在 Solr 的 "techproducts" 示例中進行配置：

bin/solr -e techproducts

要啟用這個組件，您需要使用一個 searchComponent 元素來配置它：

<searchComponent name="tvComponent" class="org.apache.solr.handler.component.TermVectorComponent"/>

然后必須將請求處理程序配置為使用此組件名稱。在這個 techproducts 例子中，該組件與一個名為 /tvrh 的特殊請求處理程序相關聯(lián)，默認情況下，使用 tv=true 參數(shù)啟用術語向量；但您可以將其與任何請求處理程序關聯(lián)：

<requestHandler name="/tvrh" class="org.apache.solr.handler.component.SearchHandler">
  <lst name="defaults">
    <bool name="tv">true</bool>
  </lst>
  <arr name="last-components">
    <str>tvComponent</str>
  </arr>
</requestHandler>

一旦您的處理程序被定義了，您可以和任何模式一起使用（uniqueKeyField)對于用 termVector 屬性配置的字段，例如在 techproducts 示例模式中：

<field name="includes"
       type="text_general"
       indexed="true"
       stored="true"
       multiValued="true"
       termVectors="true"
       termPositions="true"
       termOffsets="true" />

調用術語向量組件

下面的例子顯示了使用上面的配置調用這個 TermVectorComponent 組件：

http://localhost:8983/solr/techproducts/tvrh?q=*:*&start=0&rows=10&fl=id,includes&wt=xml

...
<lst name="termVectors">
  <lst name="GB18030TEST">
    <str name="uniqueKey">GB18030TEST</str>
  </lst>
  <lst name="EN7800GTX/2DHTV/256M">
    <str name="uniqueKey">EN7800GTX/2DHTV/256M</str>
  </lst>
  <lst name="100-435805">
    <str name="uniqueKey">100-435805</str>
  </lst>
  <lst name="3007WFP">
    <str name="uniqueKey">3007WFP</str>
    <lst name="includes">
      <lst name="cable"/>
      <lst name="usb"/>
    </lst>
  </lst>
  <lst name="SOLR1000">
    <str name="uniqueKey">SOLR1000</str>
  </lst>
  <lst name="0579B002">
    <str name="uniqueKey">0579B002</str>
  </lst>
  <lst name="UTF8TEST">
    <str name="uniqueKey">UTF8TEST</str>
  </lst>
  <lst name="9885A004">
    <str name="uniqueKey">9885A004</str>
    <lst name="includes">
      <lst name="32mb"/>
      <lst name="av"/>
      <lst name="battery"/>
      <lst name="cable"/>
      <lst name="card"/>
      <lst name="sd"/>
      <lst name="usb"/>
    </lst>
  </lst>
  <lst name="adata">
    <str name="uniqueKey">adata</str>
  </lst>
  <lst name="apple">
    <str name="uniqueKey">apple</str>
  </lst>
</lst>

術語向量請求參數(shù)

下面的例子顯示了這個組件的一些可用的請求參數(shù)：

http://localhost:8983/solr/techproducts/tvrh?q=includes:[* TO *]&rows=10&indent=true&tv=true&tv.tf=true&tv.df=true&tv.positions=true&tv.offsets=true&tv.payloads=true&tv.fl=includes

tv 參數(shù)

如果為true，將運行術語向量組件。

tv.docIds 參數(shù)

對于給定的以逗號分隔的 Lucene 文檔 ID 列表（不是 Solr 唯一鍵），將返回術語向量。

tv.fl 參數(shù)

對于給定的以逗號分隔的字段列表，將返回術語向量。如果未指定，則使用fl參數(shù)。

tv.all 參數(shù)

如果為true將啟用以下列出的所有布爾參數(shù)：tv.df，tv.offsets，tv.positions，tv.payloads，tv.tf和tv.tf_idf。

tv.df 參數(shù)

如果為true，將返回集合中該術語的文檔頻率（DF）。這可能在計算上是昂貴的。

tv.offsets 參數(shù)

如果為true，將返回文檔中每個術語的偏移信息。

tv.positions 參數(shù)

如果為true，則返回位置信息。

tv.payloads 參數(shù)

如果為true，則返回有效載荷信息。

tv.tf 參數(shù)

如果為true，返回文檔中每個術語的文檔術語頻率信息。

tv.tf_idf 參數(shù)

如果為true計算每個術語的 TF/DF（即：TF * IDF）。請注意，這是“ 字頻乘以逆文檔頻率” 的文字計算，而不是經(jīng)典的 TF-IDF 相似性度量。

這個參數(shù)需要tv.tf和tv.df是 true。這可能在計算上是昂貴的。（結果不顯示在示例輸出中）

要查看 TermVector 組件輸出的示例，請參閱Wiki頁面：http://wiki.apache.org/solr/TermVectorComponentExampleOptions

SolrJ 和術語向量組件

SolrQuery 類和 QueryResponse 類都不提供特定的方法調用來設置術語向量組件參數(shù)或獲取 "termVectors" 輸出。但是，它有一個補?。?a rel="external nofollow" target="_blank" style="background-color: rgb(255, 255, 255);">SOLR-949。