Я новичок и изучаю фасетный поиск с библиотекой Solr. Я хочу создать облако тегов, используя вышеизложенное для своего проекта. Может ли кто-нибудь привести пример того, как это можно сделать вместе с его базовой настройкой?
Поиск фасетов с помощью Solr
17.12.2011
Ответы:
1
Если предположить, что поле, для которого вы хотите создать облако, называется myField и вам нужно облако с максимальным количеством тегов 50, это может быть ваш поиск:
q=*:*&facet=true&facet.field=myField&rows=0&facet.limit=50
Это даст вам ответ на запрос без строк, но с разделом «Количество аспектов». Затем вы можете использовать эти подсчеты терминов для определения размера шрифта каждого тега (возможно, логарифмическим способом).
Имейте в виду, что ваше поле должно включать маркер пробелов и не должно слишком сильно "обрабатываться". " с анализаторами (например, базовыми) во время индексации, или ваши фасетные термины могут оказаться не такими, как вы ожидаете. В этом случае используйте copyField, чтобы ваш контент индексировался в менее обрабатываемом поле.
Для настройки облака тегов доступно множество других параметров фасетирования: SimpleFacetParameters.
17.12.2011
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..