是否可以將 solr 中的子文檔集成到胡蘿卜工作台中？

Question

在我的 solr 數據庫中，我的結構如下所示：代表人名（字典）的父文檔。 這些父文檔還包含嵌套的子文檔，其中出現與這些人的姓名匹配的文檔（字典的嵌套列表）。

當我嘗試以一種有意義的方式對信息進行聚類時，我只能直接對子文檔進行聚類，這會產生一堆屬於這些文本的聚類關鍵字。

理想情況下，我想根據嵌套子文檔的相似性對人（父文檔）進行聚類。 因此，我不想將文本中的關鍵詞聚集在一起，而是將具有相似內容的人的名字聚集在一起。

例如，如果Bob、John、Lewis的個人資料都有包含文本“我們精通 Python”的子文檔； 和Dan、Maria、Chris的個人資料有包含文本“我們精通 Java”的子文檔。 我想要一組（鮑勃，約翰，劉易斯）和一組（丹，瑪麗亞，克里斯）。 所以，當我們點擊第一個集群時，我們得到的結果是“我們精通 Python”，而對於第二個集群，我們得到的結果是“我們精通 Java”。

有沒有辦法在胡蘿卜工作台上復制這種結構？

Answer 1

不幸的是沒有。 這是一個非常具體的場景，我們的目標是讓 Workbench 成為一個通用工具，其中 Solr 是眾多文檔來源之一。

對於這種父子集群，您需要直接使用 Carrot2 Java 或 REST API：

1. 從 Solr 中獲取子文檔，將它們聚集在 Carrot2 中。
2. 對於每個集群 C：
   • 使用與集群 C 相同的 label 創建一個新集群 CC，
   • 對於集群 C 中的每個子文檔 D，將子文檔 P 放入集群 CC 中。
   • 將集群 CC 放入父集群集合中。

作為上述過程的結果，您將擁有一組包含父文檔的集群，這些父文檔由文檔的子文檔的文本內容組成。