分组Lucene搜索结果和计算频率由

Question

类别

我正在使用Lucene商店搜索API。

我需要显示其在括号频率每个城市，国家组合存储搜索结果....例如：

Los Angles,CA (450) 
Atlanta,GA (212) 
Boston, MA (78) 
. 
. 
. 

截至目前，我的搜索结果返回7000个左右Lucene的文档，就平均，如果用户说“给我看所有商店”。 在这个用例中，我最终显示了大约800个独特的城市，州记录，如上所示。

我重写HitCollector类的Collect方法和检索载体如下：

var vectors = _reader.GetTermFreqVectors(doc); 

然后，我通过这个集合迭代和计算频率为每一个独特的城市，国家组合。

但是，这是谈到了非常的性能非常缓慢...有分组搜索结果和Lucene的计算频率的任何更好的办法？ 的代码段将是非常有益

另外，请建议，如果我可以使用任何其它技术/提示优化我的Lucene搜索代码....

感谢您的阅读！

Answer 1

我不相信你可以在Lucene中做到这一点开箱即用当前 - 寻找此功能产量这个悬而未决的问题：

Jira Lucene Feature Request

的功能存在开箱即用的Solr但是 - 它提供了一个小面的特征。查询如以下几点：

http://localhost:8983/solr/select?q=ipod&rows=0&facet=true&facet.limit=-1&facet.field=cat&facet.field=inStock

将返回以下结果：

<response> 
<responseHeader><status>0</status><QTime>2</QTime></responseHeader> 
<result numFound="4" start="0"/> 
<lst name="facet_counts"> 
<lst name="facet_queries"/> 
<lst name="facet_fields"> 
    <lst name="cat"> 
     <int name="search">0</int> 
     <int name="memory">0</int> 
     <int name="graphics">0</int> 
     <int name="card">0</int> 
     <int name="music">1</int> 
     <int name="software">0</int> 
     <int name="electronics">3</int> 
     <int name="copier">0</int> 
     <int name="multifunction">0</int> 
     <int name="camera">0</int> 
     <int name="connector">2</int> 
     <int name="hard">0</int> 
     <int name="scanner">0</int> 
     <int name="monitor">0</int> 
     <int name="drive">0</int> 
     <int name="printer">0</int> 
    </lst> 
    <lst name="inStock"> 
     <int name="false">3</int> 
     <int name="true">1</int> 
    </lst> 
</lst> 
</lst> 
</response> 

上刻面的更多信息，Solr的网站上找到：

http://wiki.apache.org/solr/SimpleFacetParameters

编辑：如果你绝对不想下去的话SOLR形式给出到刻面则可以在Lucene的描述了本补丁利用的功能：

http://sujitpal.blogspot.com/2007/01/faceted-searching-with-lucene.html

，其提供通过贴剂Lucene的2.0的顶部上的刻面特征的实现。

Answer 2

我不确定我是否理解“分组”的含义，但如果您只想计算每个类别的文档数量，则应该查看this question。

我的回答仍然矗立，坚韧似乎没有人喜欢它足以给予好评我...

Answer 3

史蒂夫，我相信你想faceted search。它不会与Lucene一起出现。 我建议你尝试使用SOLR，它具有faceting作为主要和方便的功能。