Что лучше для дискуссионного форума: индексировать каждую запись в ветке обсуждения как отдельный документ lucene или просто объединить все записи в обсуждении в один большой блок текста и проиндексировать всю ветку обсуждения в виде единого документа lucene?
Как индексировать обсуждения на форуме для поиска?
Ответы (4)
Зависит от того, какие возможности поиска вы ищете. Например, если вы хотите, чтобы пользователи могли искать ключевые слова, встречающиеся в обсуждениях в определенную дату, вы должны проиндексировать все записи как отдельные документы с датой (как файл NumericField доступен для поиска с помощью NumericRangeFilter).
Индексирование каждой записи в виде отдельного документа также позволит вам оценить каждую запись с помощью счетчиков Lucene, которые помогут получить наиболее релевантные записи (а не потоки) в качестве ответа на запрос. Кроме того, вы также можете добавить тему темы в виде отдельного поля в каждый входной документ (за счет небольшого увеличения места).
Объединение всех записей не является хорошей идеей, если вы хотите указать пользователю именно ту запись, которая его интересует. Что касается вашего беспокойства (комментарий к ответу Райана) по поводу возврата нескольких записей из одного потока, вы можете добавить идентификатор потока к каждой записи при индексировании. Затем во время отображения результатов вы можете отображать только запись для каждого идентификатора потока (запись с наивысшим баллом может отображаться вместе с темой потока)
person
athena
schedule
21.09.2010
Если вы объедините все записи в обсуждении, вы столкнетесь с ошибкой, из-за которой вы не сможете указать точную запись, которую хотите получить.
Lucene должна иметь возможность быстро индексировать и искать каждую запись (пост/тред/что угодно). Смешивать их все вместе кажется излишним.
person
Ryan Ternier
schedule
21.09.2010
С вашим предложением проблема возникает, когда вы хотите отобразить результаты поиска. Потенциально вы можете получить 20 записей для одной и той же ветки обсуждения в результатах поиска, потому что все записи просто содержат одно и то же слово. Вы понимаете, что я имею в виду?
- person Roman; 21.09.2010
Правда, он может возвращать несколько записей, но вы по-прежнему контролируете то, что в конечном итоге отображается, и вы должны иметь возможность четко выбирать отдельные экземпляры каждой записи.
- person Ryan Ternier; 21.09.2010
Если вы решите проиндексировать их отдельно, вы можете использовать Solr, который собирается поддерживать свертывание результатов поиска:
http://www.lucidimagination.com/blog/2010/09/16/2446/
person
bajafresh4life
schedule
21.09.2010
Я предпочитаю индексировать каждую запись отдельно. Это сделает дизайн более гибким, поскольку в вашей системе должен быть какой-то объект темы для группировки записей в одном потоке. И еще одна проблема, связанная с индексированием с конкатенацией, заключается в необходимости повторной индексации после публикации новой записи, что влияет на производительность.
person
Sheng Chien
schedule
21.09.2010
