是否可以将来自 solr 的子文档集成到胡萝卜工作台中？

Question

在我的 solr 数据库中，我的结构如下所示： 代表人名的父文档（字典）。这些父文档还包含嵌套的子文档，其中出现与这些人的姓名匹配的文档（字典的嵌套列表）。

当我尝试以一种有意义的方式对信息进行聚类时，我只能直接对子文档进行聚类，这会产生一堆属于这些文本的聚类关键字。

理想情况下，我想根据嵌套子文档的相似性对人（父文档）进行聚类。因此，我不想将文本中的关键词聚集在一起，而是将具有相似内容的人的名字聚集在一起。

例如如果 Bob、John、Lewis 个人资料都有包含文本“我们精通 Python”的子文档；和 Dan、Maria、Chris 个人资料的子文档包含文本“我们精通 Java”。我想要一组 (Bob, John, Lewis) 和一组 (Dan, Maria, Chris)。所以，当我们点击第一个集群时，我们得到的结果是“我们精通 Python”，而对于第二个集群，我们得到的结果是“我们精通 Java”。

有没有办法在胡萝卜工作台上重现这样的结构？

Answer 1

很遗憾没有。这是一个非常具体的场景，我们的目标是让 Workbench 成为一个通用工具，让 Solr 成为众多文档源之一。

对于这种父子集群，您需要直接使用 Carrot2 Java 或 REST API：

1. 从 Solr 获取子文档，将它们聚集在 Carrot2 中。
2. 对于每个集群 C：
   • 创建一个与集群 C 具有相同标签的新集群 CC，
   • 对于集群 C 中的每个子文档 D，获取子文档 P 并将父文档放入集群 CC。
   • 将集群 CC 放入父集群集中。

作为上述过程的结果，您将拥有一组包含父文档的集群，这些父文档由文档的子文档的文本内容组成。