Sunspot / Solr / Lucene : 查找类似文章

Question

假设我们有一个由 sunspot/solr/lucene（或任何其他搜索引擎）索引的文章列表。

如何使用给定的文章找到相似的文章？

是否应该使用恢复工具来完成，例如： http://www.wordsfinder.com/api_Keyword_Extractor.php，或从 http://developer.yahoo.com/yql/console 或 http://www.alchemyapi.com/api/demo.html 提取的术语？

Answer 1

您似乎正在寻找MoreLikeThis 功能。

Answer 2

您尝试执行的操作与我在this answer 中概述的任务非常相似。

简而言之，您需要为每个文档生成一个摘要，您可以将其用作查询以将其相互比较。文档摘要可以像该文档中的前 N ​​个术语一样简单（不包括停用词）。您可以很容易地从 Lucene 文档中生成前 N 个术语，而无需使用任何第三方工具，SO 和 web 上有很多示例可以做到这一点。