Apache Solr 中的相关性反馈

Question

我想在Solr 中实现relevance feedback。 Solr 已经有一个More Like This 功能：给定一个单个文档，返回一组按与单个输入文档的相似度排列的相似文档。是否可以将 Solr 的 More Like This 功能配置为更像那些？换句话说：给定一组文档，返回与输入集相似的文档列表（按相似度排序）。

根据this question的回答将Solr的More Like This变成More Like 可以通过以下方式完成：

1. 获取返回指定文档的查询结果集的url。例如，url http://solrServer:8983/solr/select?q=id:1%20id:2%20id:3 返回对查询 id:1 id:2 id:3 的响应，这实际上是文档 1、2、3 的串联。
2. 把上面的url（指定文档的串联）放在More Like This handler的url.streamGET参数中：http://solrServer:8983/solr/mlt?mlt.fl=text&mlt.mintf=0&stream.url=http://solrServer:8983/solr/select%3Fq=id:1%20id:2%20id:3。现在，More Like This 处理程序将文档 1、2 和 3 的串联处理为单个输入文档，并返回与串联相似的排序文档集。

这是一个非常糟糕的实现：将输入文档集视为一个大文档会区分短文档，因为短文档仅占整个大文档的一小部分。

Solr's More Like 此功能由The Rocchio Algorithm 的变体实现：它采用（单个）输入文档的前 20 个术语（具有最高 TF-IDF 值的术语）并将这些术语用作修改后的查询，根据他们的 TF-IDF 提升。我正在寻找一种方法来配置 Solr 的 More Like This 功能，以将多个文档作为其输入，从每个输入文档中提取前 n 个术语，并使用根据其 TF-IDF 提升的这些术语查询索引。

是否可以将 More Like This 配置为这种行为方式？如果没有，在 Solr 中实现相关反馈的最佳方式是什么？

Answer 1

很遗憾，无法以这种方式配置 MLT 处理程序。

一种方法是实现自定义SearchComponent 并将其注册到（专用）SearchHadler。

我已经做过类似的事情，如果你看一下 MLT 组件的original implementation，这很容易。

最困难的部分是来自不同shard服务器的结果的同步，但是如果你不使用shards可以跳过。

我还强烈建议在您的实现中使用您自己的参数，以防止与其他组件发生冲突。