Solr Suggest说明

Solr Suggest实现搜索智能提示

Posted by iamxhu on 2012/01/12 Leave a comment (4) Go to comments

智能提示简介

搜索的智能提示目前是各大搜索的标配应用，主要作用是避免用户输入错误的搜索词，同时将用户引导到相应的关键词搜索上。

Solr Suggestion智能提示模块

作为一个应用广泛的搜索引擎系统，Solr内置了智能提示功能，它在Solr里叫做Suggest模块.该模块可选择基于提示词文本做智能提示，还支持通过针对索引的某个字段建立索引词库做智能提示。在诸多文档中都推荐使用基于索引来做智能提示，因此我们目前的实现也是采取该方案。

Solr Suggest的配置要点

Suggest字段的选择

因为现在整个平台是基于SPU的构建的，因此决定采用SPU关键属性组合及类目名称来做Suggest的索引字段。首先在schema.xml中添加存储Suggest的新字段，如下：

 <field name="suggestion"type="string" indexed="true" stored="true"

       termVectors="true" multiValued="true"/>

在该field的配置中，FieldType的选择非常关键，通常建议智能提示字段的FieldType不需要配置复杂的Analyzer，避免因为分词导致智能提示的词失控。

配置Suggest模块

在solrconfig.xml文件中配置Suggest模块，其中Suggest依赖于SpellChecker模块，所以这两个都需要配置。具体配置如下：

 <searchComponentclass="solr.SpellCheckComponent" name="suggest">

       <str name="queryAnalyzerFieldType">string</str>

       <lst name="spellchecker">

            <strname="name">suggest</str>

            <str name="classname">org.apache.solr.spelling.suggest.Suggester</str>

            <strname="lookupImpl">org.apache.solr.spelling.suggest.tst.TSTLookup</str>

            <strname="field">suggestion</str>

            <!-- the indexed field to derivesuggestions from -->

            <floatname="threshold">0.0001</float>

            <strname="spellcheckIndexDir">spellchecker</str>

            <strname="comparatorClass">freq</str>

            <strname="buildOnOptimize">true</str>

 

            <!--<str name="buildOnCommit">true</str>-->

       </lst>

   </searchComponent>

   <requestHandlerclass="org.apache.solr.handler.component.SearchHandler"

                   name="/suggest">

       <lst name="defaults">

            <strname="spellcheck">true</str>

            <strname="spellcheck.dictionary">suggest</str>

            <strname="spellcheck.onlyMorePopular">true</str>

            <strname="spellcheck.extendedResults">false</str>

            <strname="spellcheck.count">10</str>

            <str name="spellcheck.collate">true</str>

       </lst>

       <arr name="components">

            <str>suggest</str>

       </arr>

   </requestHandler>

   <queryConverter name="phraseQueryConverter"

                   class="com.hqb360.solr.suggest.PhraseQueryConverter"/>

上述配置的具体说明可参照solr的官方文档，下面对其中几个容易疑惑的地方做一下说明

·        queryAnalyzerFieldType 配置参数
queryAnalyzerFieldType参数指定访问suggest的SearchHandler处理查询参数的Analyzer，如果指定的Analyzer很复杂的话，会导致suggest返回的结果不符合预期。在这们项目中，我们现希望Analyzer不对查询做任何的改变，因此选择string。

·        spellcheck.dictionary的值必须与searchComponent中spellchecker标签下<strname=”name”>suggest</str>配置对应。

·        Suggest返回结果的排序
spellchecker组件中的comparatorClass参数可配置Suggest返回结果的排序，目前有如下几种可选方案：

o    Empty – in whichcase the default is used.

o    score –explicitly choose the default case

o    freq – Sort byfrequency first, then score.

o    A fullyqualified class name – Provide a custom comparator that implementsComparator<SuggestWord>.
可查看SuggestWordScoreComparator类了解更多细节

·        QueryConverter定制
上面的配置中，我们定制了自己的QueryConverter，主要原因是Solr默认的SpellQueryConvert是根据空格对查询参数做分隔，导致 “nokia e”这样的字符被当作“nokia”，“e”这样的两个字符处理，不符合我们的要求。定制的PhraseQueryConverter代码，需要打成jar包，放到Solr能访问到的目录下，在我们系统中是${solr.solr.home}/lib目录。

Suggest测试

配置完成之后，重启Solr后，访问如下链接

http://192.168.100.10:8080/solr/suggest?q=motorola%20x

结果如下：

<response>

 <lst name="responseHeader">

 <int name="status">0</int>

 <int name="QTime">0</int>

 </lst>

 <lst name="spellcheck">

   <lst name="suggestions">

     <lst name="motorola x">

       <int name="numFound">10</int>

       <int name="startOffset">0</int>

       <int name="endOffset">10</int>

       <arr name="suggestion">

         <str>motorola xoom 3g版</str>

         <str>motorola xt875</str>

         <str>motorola xt300</str>

         <str>motorola xt883</str>

         <str>motorola xt702</str>

         <str>motorola xt806</str>

         <str>motorola xt800</str>

         <str>motorola xt502</str>

         <str>motorola xt882</str>

         <str>motorola xt316</str>

       </arr>

     </lst>

     <str name="collation">motorola xoom 3g版</str>

 </lst>

</lst>

</response>

需要注意的点

·        重启Solr后，第一次访问时需要在Suggest请求中添加spellcheck.build=true参数，用于创建spellchecker的索引。

·        通过threshold参数来限制一些不常用的词不出现在智能提示列表中，当这个值设置过大时，可能导致结果太少，需要引起注意。

存在的问题

目前主要存在的问题是使用freq排序算法，返回的结果完全基于索引中字符的出现次数，没有兼顾用户搜索词语的频率，因此无法将一些热门词排在更靠前的位置。这块可定制SuggestWordScoreComparator来实现，目前还没有着手做这件事情。

参考文档

SpellCheckComponent
Suggester