Jaki jest najlepszy projekt open source do wyszukiwania pełnotekstowego (preferowany .NET)?

Question

Opracowałem indeks i aplikację do wyszukiwania z biblioteką Lucene. ale ta biblioteka ma pewne ograniczenia w rankingu niestandardowym w moim kontekście, poza jego wydajnością, potrzebuję skalowalności i dostępu do wszystkich rodzajów częstotliwości słów i itp. czy jest dostępna jakakolwiek potężna biblioteka pełnotekstowego z otwartym kodem źródłowym? Cechy

Answer 1

http://www.sphinxsearch.com

http://www.sphinxconnector.net/

Key Sphinx są:

• wysoka wydajność indeksowania i wyszukiwania;
• zaawansowane narzędzia indeksowania i kwerend (elastyczny i bogaty w funkcje tekstowy tokenizer, język zapytań, kilka różnych trybów rankingowych itp.);
• zaawansowane przetwarzanie wyników wynikowych (WYBIERZ z wyrażeniami, GDZIE, ZAMÓWIENIE, GRUPA PRZEZ itd. Nad wynikami wyszukiwania tekstu);
• sprawdzona skalowalność do miliardów dokumentów, terabajtów danych i tysięcy zapytań na sekundę;
• łatwa integracja ze źródłami danych SQL i XML oraz interfejsami wyszukiwania SphinxAPI, SphinxQL lub SphinxSE;
• łatwe skalowanie z wyszukiwaniem rozproszonym.

Aby rozwinąć trochę SPHINX:

• ma wysoką szybkość zapisu do indeksowania (10-15 Mb/s na rdzeń na wewnętrznej odniesienia);
• ma wysoką prędkość wyszukiwania (do 150-250 zapytań/sekundę na rdzeń wobec 1 000 000 dokumentów, 1,2 GB danych na podstawie wewnętrznego testu porównawczego);
• ma wysoką skalowalność (największe znane indeksy klastrów ponad 3 000 000 000 dokumentów i najwięcej przerwań przekraczających 50 000 000 zapytań dziennie);
• zapewnia dobrą klasyfikację trafności poprzez kombinację frazy ranking bliskości i ranking statystyczny (BM25);
• zapewnia funkcje wyszukiwania rozproszonego;
• zapewnia generowanie fragmentów dokumentów (snippets);
• zapewnia wyszukiwanie z poziomu aplikacji za pomocą interfejsów SphinxAPI lub SphinxQL, a także z poziomu MySQL z włożonym silnikiem pamięci SphinxSE;
• obsługuje boolean, frazę, słowo bliskość i inne typy zapytań;
• obsługuje wiele pól pełnotekstowych na dokument (domyślnie up to 32);
• obsługuje wiele dodatkowych atrybutów dla każdego dokumentu (np.grupy, sygnatury czasowe itp.);
• obsługuje stopwords;
• obsługuje morfologiczne słowniki słownikowe;
• obsługuje wyjątki tokenizujące;
• obsługuje zarówno kodowanie jedno bajtowe, jak i kodowanie UTF-8;
• wspierają (wbudowane są programy macierzyste dla języka angielskiego, rosyjskiego i czeskiego, a programy macierzyste dla języka francuskiego, hiszpańskiego, portugalskiego, włoskiego, rumuńskiego, niemieckiego, holenderskiego, szwedzkiego, norweskiego, duńskiego, fińskiego, węgierskiego są dostępne po zbudowaniu trzeciego biblioteka party libstemmer);
• obsługuje MySQL natywnie (obsługiwane są wszystkie typy tabel, w tym MyISAM, InnoDB, NDB, Archive itp.);
• obsługuje PostgreSQL natywnie;
• obsługuje natywnie bazy danych zgodne z ODBC (MS SQL, Oracle itp.);
• ... ma ponad 50 innych funkcji niewymienionych tutaj, patrz instrukcja API i konfiguracji!