solr - 按词组搜索最常用的词组

Question

我的任务并不艰巨，想了解Sphinx或Solr是解决问题的正确工具。简化示例:我在我的网站上有一个搜索字段，用于按产品描述进行搜索。以及mysql db中的下一个描述:

Id  Desc
1   this is my test document number one. also checking search within phrases.
2   this is my test document number two
3   this is another group
4   this is first group
5   this is first test
6   this is your test

当用户在搜索字段ex中键入一些文本时。他应该得到下一个结果(包含“is”的前三个短语):
“这是”，“是我的”，“第一”。

有人有任何想法怎么做吗？也许您现在有一些更好的搜索引擎可以满足我的需求？

<fieldType class="solr.TextField" name="text_auto">
<analyzer type="index"> 
    <tokenizer class="solr.StandardTokenizerFactory"/> 
    <filter class="solr.LowerCaseFilterFactory"/> 
    <filter class="solr.ShingleFilterFactory" maxShingleSize="4" outputUnigrams="true" outputUnigramsIfNoShingles="false" /> 
</analyzer> 
<analyzer type="query"> 
    <tokenizer class="solr.StandardTokenizerFactory"/> 
    <filter class="solr.LowerCaseFilterFactory"/> 
    <filter class="solr.StandardFilterFactory"/> 
    <filter class="solr.RemoveDuplicatesTokenFilterFactory"/> 
</analyzer>
</fieldType>

<field name="title" type="text_auto" indexed="true" stored="true"/> 
<field name="content_autosuggest" type="text_auto" indexed="true" stored="true" multiValued="false"/>

<copyField source="title" dest="content_autosuggest"/>

Answer 1

您可以尝试使用ShingleFilter。如Wiki上的示例所示，如果将maxShingleSize和mixShingleSize都设置为2，则会得到以下信息:

this is my test document => this is, is my, my test, test document

(如果需要，请确保在带状滤波器之前使用适当的标记器和其他分析器。)

然后，您可以在此字段上进行正则表达式搜索:

shingle_field:/(is .*)|(.* is)/

应该返回所有文件。 (我相信这应该可行，因为Wiki声明:它创建 token 的组合作为单个 token 。)

使用 facet query获取计数:

shingle_field:/(is .*)|(.* is)/&facet=true&facet.field=shingle_field

(如果您不关心文档，只需要构面，则添加 rows=0。)