solr 相似查询 -- MoreLikeThis

在 Google上尝试一个查询，您会注意到每一个结果都包含一个 “相似页面” 链接，单击该链接，就会发布另一个搜索请求，查找出与起初结果类似的文档。Solr 使用MoreLikeThisComponent（MLT）和 MoreLikeThisHandler实现了一样的功能。如上所述，MLT 是与标准 SolrRequestHandler集成在一起的；MoreLikeThisHandler与 MLT 结合在一起，并添加了一些其他选项，但它要求发布一个单一的请求。我将着重讲述 MLT，因为使用它的可能性更大一些。幸运的是，不需要任何设置就可以查询它，所以您现在就可以开始查询。您可以向请求添加很多 HTTP 查询参数，并且大部分参数都有智能的默认值，因此我将着重讲述使用 MLT 必须了解的参数。

MoreLikeThisComponent参数:
参数                                          说明                                                                               值域
mlt                  在查询时，打开 / 关闭 MoreLikeThisComponent的布尔值。      真 | 假
mlt.count       可选。每一个结果要检索的相似文档数。                                            > 0
mlt.fl               用于创建 MLT 查询的字段。                              模式中任何被储存的或含有检索词向量的字段。

mlt.maxqt      可选。查询词语的最大数量。由于长文档可能会有很多关键词语，

                       这样 MLT 查询可能会很大，从而导致反应缓慢或可怕的 

                       TooManyClausesException，该参数只保留最关键的词语。           > 0

说明：MLT要求字段被储存或使用检索词向量，检索词向量以一种以文档为中心的方式储存信息。MLT通过文档的内容来计算文档中关键词语，然后使用原始查询词语和这些新词语创建一个新的查询。提交新查询就会返回其他查询结果。所有这些都可以用检索词向量来完成：只需将 termVectors="true"添加到 schema.xml 中的 <field>声明。

尝试下面的样例查询，然后检查返回结果中的 moreLikeThis部分：

1. 在URL中输入：
http://localhost:8080/solr/select/?q=*%3A*&mlt=true&mlt.mindf=1&mlt.mintf=1 &mlt.fl=name&fl=id%2C+name&mlt.count=3

结果如下：

2. 对应在java代码中写入：

结果如下：

相关说明：
（1）查询参数：
id，文档主键，或使用其他唯一键；
fl，需要返回的字段
mtl.fl，根据哪些字段判断相似度
mlt.mindf，最小文档频率，所在文档的个数小于这个值的词将不用于相似判断
mlt.mintf，最小分词频率，在单个文档中出现频率小于这个值的词将不用于相似判断
mlt.count，返回相似文章个数
（2）如果setQuery中的查询条件，不是唯一结果，是多个文章，那么程序中会得到每个文章对应的moreLikeThis列表。
（3）如果遇到org.apache.solr.search.EarlyTerminatingCollectorException，则将返回条数count设置为1即可。
（4）若需根据id返回文章列表，可参考如下代码：

import java.util.ArrayList;
import java.util.List;

import org.apache.commons.lang3.StringUtils;
import org.apache.log4j.Logger;
import org.apache.solr.client.solrj.SolrQuery;
import org.apache.solr.client.solrj.impl.HttpSolrServer;
import org.apache.solr.client.solrj.response.QueryResponse;
import org.apache.solr.common.SolrDocument;
import org.apache.solr.common.SolrDocumentList;
import org.apache.solr.common.util.SimpleOrderedMap;

import base.util.ConfigUtil;
import demo.bean.Article;

public class SolrService {
    private static Logger log = Logger.getLogger(SolrService.class);

    private static HttpSolrServer solrServer;

    static {
        solrServer = new HttpSolrServer(ConfigUtil.getValue("solr.url"));
        solrServer.setConnectionTimeout(5000);
    }

    /*
    * 根据文章标题查相关文章。
    * 
    * @param id 指定文章（文档）id
    * @param count 返回条数
    * @return 相关文章对象列表
    */
    public static List<Article> getRelated(int id, int count) {
        SolrQuery query = new SolrQuery();
        List<Article> articles = new ArrayList<Article>();
        try {
            query.setQuery("id:" + id)
            .setParam("fl", "id,title,score")
            .setParam("mlt", "true")
            .setParam("mlt.fl", "title")
            .setParam("mlt.mindf", "1")
            .setParam("mlt.mintf", "1")
            .setParam("mlt.count", String.valueOf(count));

            QueryResponse response = solrServer.query(query);
            if (response == null) return articles;

            @SuppressWarnings("unchecked")
            SimpleOrderedMap<SolrDocumentList> mltResults = (SimpleOrderedMap<SolrDocumentList>) response.getResponse().get("moreLikeThis");
            for (int i = 0; i < mltResults.size(); i++) {
                SolrDocumentList items = mltResults.getVal(i);
                for (SolrDocument doc : items) {
                    String idStr = doc.getFieldValue("id").toString();
                    // 相关结果中不包含自己，循环中无需排除处理
                    // if (StringUtils.equals(idStr, id+"")) continue;
                    Article article = new Article();
                    article.setId(Integer.parseInt(idStr));
                    article.setTitle(doc.getFieldValue("title").toString());
                    articles.add(article);
                }
            }

        } catch (Exception e) {
            log.error("从solr获取相关新闻时遇到错误", e);
        }
    return articles;
    }
}