目录
实验内容
实验环境
实验过程
总结
实验内容:
使用Solr全文搜索引擎,定位金庸小说神雕侠侣中独孤求败出现的情节,认识Solr,并学习Solr的使用。
实验环境:
操作系统:Windows 8.1
Java环境:
Java环境.png
实验工具:Apache Solr引擎 版本:6.5.1
实验过程:
(1)下载并启用Solr
solr start
注意执行命令所在的文件目录。此外可以使用:-p port,指定启用Solr的端口号,默认端口号为:8983
启用后通过浏览器访问Solr Web admin:
Solr Web admin.png
(2)创建项目
即创建core
solr create -c corename
(3)配置中文分词包:MMseg4j
1.分词包版本:2.3.0
2.将分词包解压复制到项目Lib目录下,或*\solr-6.5.1\server\solr-webapp\webapp\WEB-INF\lib目录下,在项目managed-schema文件中指定对应路径即可。
3.在项目managed-schema中定义字段类型:
4.创建自定义词典:添加词:郭靖 黄蓉
在solrconfig.xml添加如下内容,主要注意词库路径和词库编码。
dicPath
true
true
5.重启Solr,测试分词
加载词库.png
分词测试.png
(4)导入文件到Solr
1.选取神雕侠侣的七个回合作为检索材料,分别是第4、5、8、23、26、27、32回。
材料.png
2.导入文件方式有多种,此处选择DIH导入文件材料
创建data-config.xml:
processor="FileListEntityProcessor"
baseDir="dataPath" fileName=".*\.(json)|(txt)|(csv)|(xml)"
onError="skip"
recursive="true">
添加定义的字段到managed-shema:
在solrconfig.xml中定义DIH:
data-config.xml
重启Solr,导入数据:
导入数据.png
导入成功.png
数据格式.png
其中text字段则为每一回的文本内容。
(5)执行查询
1.执行q=text:郭靖,选择高亮,郭靖以添加至自定义词库,查询得结果如下:
查询郭靖.png
查得郭靖共在六个回合中有出现,高亮了郭靖出现的情节,此处高亮限定截取了一百个字符。response返回了所有“郭靖”出现过的字段。
2.添加“独孤”到自定义词库,执行q=text:独孤求败,选择高亮,结果如下:
查询独孤求败.png
可见匹配结果不理想。执行q=text:独孤,返回结果空。
原因分析:
可能原因是索引分词器和查询分词器不一致,导致匹配terms失配,返回结果为空,查询分词器将“独孤”分为了:独/孤。但是值得思考的是,在查询:郭靖时为何查询不为空。
尝试的解决办法:指定QParser
1.在项目managed-schema指定字段的
2.在solrconfig.xml中定义
3.执行Solr查询时,指明defType查询参数
4.reload自定义词库
可能由于细节操作不当或原因分析错误,以上方法现为解决问题。
总结:
Solr作为一款开源的全文检索搜索引擎,其功能强大,学习该引擎的使用,对认识、理解搜索有一定重要意义。
对比Solr引擎和关系数据库引擎的异同,有助于了解Solr。
本次试验中所用的检索材料的数据结构和字段设计可以进一步整理、优化,以实现更高效的检索定位。
基于Solr的全文索引的建立和查询匹配,还有待进一步的学习。