-
Notifications
You must be signed in to change notification settings - Fork 25
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Solrのアップデート #1689
Comments
https://dev.next-l.jp で動作させているEnju(Solr 6.6.6)に対するopacevalの実行結果は以下のとおり。
|
EnjuのSolrのコンテナを
|
テスト結果の差分は以下。「こころ」「ぐりとぐら」など、全体的にヒット数が多くなっている。 --- result_solr6.txt 2022-08-12 12:12:17.609537315 +0900
+++ result_solr8.txt 2022-08-12 12:17:03.804559190 +0900
@@ -20,20 +20,27 @@
[QID-2020-02]こころ
カーリル: 3359件
Enju: 500件
-共通:500件
-カーリルのみ:2859件
-Enjuのみ:0件
+共通:106件
+カーリルのみ:3253件
+Enjuのみ:394件
正解:7件
カーリル不足:0件
-Enju不足:3件
-{'4000269739', '4003101111', '404100120X'}
+Enju不足:6件
+{
+ '404100120X',
+ '4000269739',
+ '4101010137',
+ '4003101111',
+ '4167158027',
+ '4087520099'
+}
Recall:
カーリル: 1.000
- Enju: 0.571
+ Enju: 0.143
MRR:
カーリル: 0.250
- Enju: 0.020
-tsv,QID-2020-02,こころ,1.000,0.250,0.571,0.020
+ Enju: 0.004
+tsv,QID-2020-02,こころ,1.000,0.250,0.143,0.004
------------------
[QID-2020-03]メンターと出会う法
カーリル: 1件
@@ -55,10 +62,10 @@
------------------
[QID-2020-04]骨を彩る
カーリル: 2件
-Enju: 2件
+Enju: 3件
共通:2件
カーリルのみ:0件
-Enjuのみ:0件
+Enjuのみ:1件
正解:2件
カーリル不足:0件
Enju不足:0件
@@ -68,8 +75,8 @@
Enju: 1.000
MRR:
カーリル: 1.000
- Enju: 1.000
-tsv,QID-2020-04,骨を彩る,1.000,1.000,1.000,1.000
+ Enju: 0.500
+tsv,QID-2020-04,骨を彩る,1.000,1.000,1.000,0.500
------------------
[QID-2020-05]若者よマルクスを読もう
カーリル: 3件
@@ -98,7 +105,7 @@
正解:4件
カーリル不足:0件
Enju不足:4件
-{'4167148099', '4167148072', '4167148080', '4167148102'}
+{'4167148080', '4167148102', '4167148099', '4167148072'}
Recall:
カーリル: 1.000
Enju: 0.000
@@ -143,10 +150,10 @@
------------------
[QID-2020-10]ぐりとぐら
カーリル: 15件
-Enju: 15件
+Enju: 175件
共通:15件
カーリルのみ:0件
-Enjuのみ:0件
+Enjuのみ:160件
正解:2件
カーリル不足:0件
Enju不足:0件
@@ -156,15 +163,15 @@
Enju: 1.000
MRR:
カーリル: 1.000
- Enju: 0.091
-tsv,QID-2020-10,ぐりとぐら,1.000,1.000,1.000,0.091
+ Enju: 0.023
+tsv,QID-2020-10,ぐりとぐら,1.000,1.000,1.000,0.023
------------------
[QID-2020-11]思考の整理学
カーリル: 2件
-Enju: 2件
+Enju: 3件
共通:2件
カーリルのみ:0件
-Enjuのみ:0件
+Enjuのみ:1件
正解:2件
カーリル不足:0件
Enju不足:0件
@@ -174,16 +181,16 @@
Enju: 1.000
MRR:
カーリル: 1.000
- Enju: 1.000
-tsv,QID-2020-11,思考の整理学,1.000,1.000,1.000,1.000
+ Enju: 0.500
+tsv,QID-2020-11,思考の整理学,1.000,1.000,1.000,0.500
------------------
[QID-2020-12]少年と犬
カーリル: 1件
-Enju: 1件
+Enju: 18件
共通:1件
カーリルのみ:0件
-Enjuのみ:0件
-tsv,QID-2020-12,少年と犬,1.000,1.000,1.000,1.000
+Enjuのみ:17件
+tsv,QID-2020-12,少年と犬,1.000,1.000,1.000,0.500
------------------
[QID-2020-13]絵本の名作200
カーリル: 1件
@@ -241,10 +248,10 @@
------------------
[QID-2020-16]社会とは何か
カーリル: 46件
-Enju: 5件
-共通:5件
-カーリルのみ:41件
-Enjuのみ:0件
+Enju: 52件
+共通:46件
+カーリルのみ:0件
+Enjuのみ:6件
正解:1件
カーリル不足:0件
Enju不足:0件
@@ -254,8 +261,8 @@
Enju: 1.000
MRR:
カーリル: 0.500
- Enju: 0.200
-tsv,QID-2020-16,社会とは何か,1.000,0.500,1.000,0.200
+ Enju: 0.026
+tsv,QID-2020-16,社会とは何か,1.000,0.500,1.000,0.026
------------------
[QID-2020-17]村上ラヂオ
カーリル: 5件
@@ -349,10 +356,10 @@
------------------
[QID-2020-22]鉄輪
カーリル: 2件
-Enju: 2件
+Enju: 4件
共通:2件
カーリルのみ:0件
-Enjuのみ:0件
+Enjuのみ:2件
正解:2件
カーリル不足:0件
Enju不足:0件
@@ -362,10 +369,10 @@
Enju: 1.000
MRR:
カーリル: 1.000
- Enju: 1.000
-tsv,QID-2020-22,鉄輪,1.000,1.000,1.000,1.000
+ Enju: 0.333
+tsv,QID-2020-22,鉄輪,1.000,1.000,1.000,0.333
==================
[Recall]カーリル: 1.000
-[Recall]Enju: 0.767
+[Recall]Enju: 0.744
[MRR]カーリル: 0.830
-[MRR]Enju: 0.648
+[MRR]Enju: 0.547 |
Solr8の設定ファイルを以下のように変更して、インデックスを再作成した。 --- a/solr/configsets/sunspot/conf/schema.xml
+++ b/solr/configsets/sunspot/conf/schema.xml
@@ -60,16 +60,11 @@
<fieldType name="rand" class="solr.RandomSortField" omitNorms="true"/>
<!-- *** This fieldType is used by Sunspot! *** -->
<fieldType name="text" class="solr.TextField" omitNorms="false">
- <analyzer type="index">
- <tokenizer class="solr.StandardTokenizerFactory"/>
- <filter class="solr.LowerCaseFilterFactory"/>
- <filter class="solr.PorterStemFilterFactory"/>
- <filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="25"/>
- </analyzer>
- <analyzer type="query">
+ <analyzer>
<tokenizer class="solr.StandardTokenizerFactory"/>
<filter class="solr.LowerCaseFilterFactory"/>
- <filter class="solr.PorterStemFilterFactory"/>
+ <filter class="solr.CJKWidthFilterFactory"/>
+ <filter class="solr.CJKBigramFilterFactory"/>
</analyzer>
</fieldType>
<!-- *** This fieldType is used by Sunspot! *** --> テスト結果は以下。 --- result_solr6.txt 2022-08-12 12:12:17.609537315 +0900
+++ result_solr8_2.txt 2022-08-12 15:09:30.038100597 +0900
@@ -20,13 +20,13 @@
[QID-2020-02]こころ
カーリル: 3359件
Enju: 500件
-共通:500件
-カーリルのみ:2859件
-Enjuのみ:0件
+共通:493件
+カーリルのみ:2866件
+Enjuのみ:7件
正解:7件
カーリル不足:0件
Enju不足:3件
-{'4000269739', '4003101111', '404100120X'}
+{'404100120X', '4003101111', '4000269739'}
Recall:
カーリル: 1.000
Enju: 0.571
@@ -73,21 +73,21 @@
------------------
[QID-2020-05]若者よマルクスを読もう
カーリル: 3件
-Enju: 3件
-共通:3件
-カーリルのみ:0件
+Enju: 0件
+共通:0件
+カーリルのみ:3件
Enjuのみ:0件
正解:3件
カーリル不足:0件
-Enju不足:0件
-set()
+Enju不足:3件
+{'4044086125', '4780303605', '4780307147'}
Recall:
カーリル: 1.000
- Enju: 1.000
+ Enju: 0.000
MRR:
カーリル: 1.000
- Enju: 1.000
-tsv,QID-2020-05,若者よマルクスを読もう,1.000,1.000,1.000,1.000
+ Enju: 0.000
+tsv,QID-2020-05,若者よマルクスを読もう,1.000,1.000,0.000,0.000
------------------
[QID-2020-06]it
カーリル: 10710件
@@ -98,7 +98,7 @@
正解:4件
カーリル不足:0件
Enju不足:4件
-{'4167148099', '4167148072', '4167148080', '4167148102'}
+{'4167148099', '4167148080', '4167148072', '4167148102'}
Recall:
カーリル: 1.000
Enju: 0.000
@@ -110,9 +110,9 @@
[QID-2020-07]1984
カーリル: 810件
Enju: 500件
-共通:480件
-カーリルのみ:330件
-Enjuのみ:20件
+共通:492件
+カーリルのみ:318件
+Enjuのみ:8件
正解:1件
カーリル不足:0件
Enju不足:1件
@@ -156,8 +156,8 @@
Enju: 1.000
MRR:
カーリル: 1.000
- Enju: 0.091
-tsv,QID-2020-10,ぐりとぐら,1.000,1.000,1.000,0.091
+ Enju: 0.100
+tsv,QID-2020-10,ぐりとぐら,1.000,1.000,1.000,0.100
------------------
[QID-2020-11]思考の整理学
カーリル: 2件
@@ -366,6 +366,6 @@
tsv,QID-2020-22,鉄輪,1.000,1.000,1.000,1.000
==================
[Recall]カーリル: 1.000
-[Recall]Enju: 0.767
+[Recall]Enju: 0.714
[MRR]カーリル: 0.830
-[MRR]Enju: 0.648
+[MRR]Enju: 0.596 かなり元の結果に近づいているが、読点がインデックスに含まれているため、「若者よマルクスを読もう」での検索が0件になっている。 また、「こころ」が新たに以下の文章にヒットしていると思われる。
|
トークナイザをJapaneseTokenizerFactoryに変更した。 --- a/solr/configsets/sunspot/conf/schema.xml
+++ b/solr/configsets/sunspot/conf/schema.xml
@@ -61,10 +61,9 @@
<!-- *** This fieldType is used by Sunspot! *** -->
<fieldType name="text" class="solr.TextField" omitNorms="false">
<analyzer>
- <tokenizer class="solr.StandardTokenizerFactory"/>
+ <tokenizer class="solr.JapaneseTokenizerFactory" mode="search"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.CJKWidthFilterFactory"/>
- <filter class="solr.CJKBigramFilterFactory"/>
</analyzer>
</fieldType>
<!-- *** This fieldType is used by Sunspot! *** --> 結果は以下。 --- result_solr6.txt 2022-08-12 19:17:23.746312498 +0900
+++ result_solr8_kuromoji.txt 2022-08-12 19:15:47.521925197 +0900
@@ -2,9 +2,9 @@
[QID-2020-01]i
カーリル: 1035件
Enju: 500件
-共通:3件
-カーリルのみ:1032件
-Enjuのみ:497件
+共通:4件
+カーリルのみ:1031件
+Enjuのみ:496件
正解:1件
カーリル不足:0件
Enju不足:1件
@@ -26,7 +26,7 @@
正解:7件
カーリル不足:0件
Enju不足:3件
-{'4000269739', '4003101111', '404100120X'}
+{'4003101111', '4000269739', '404100120X'}
Recall:
カーリル: 1.000
Enju: 0.571
@@ -98,7 +98,7 @@
正解:4件
カーリル不足:0件
Enju不足:4件
-{'4167148072', '4167148099', '4167148080', '4167148102'}
+{'4167148102', '4167148072', '4167148080', '4167148099'}
Recall:
カーリル: 1.000
Enju: 0.000
@@ -110,9 +110,9 @@
[QID-2020-07]1984
カーリル: 810件
Enju: 500件
-共通:480件
-カーリルのみ:330件
-Enjuのみ:20件
+共通:492件
+カーリルのみ:318件
+Enjuのみ:8件
正解:1件
カーリル不足:0件
Enju不足:1件
@@ -143,9 +143,9 @@
------------------
[QID-2020-10]ぐりとぐら
カーリル: 15件
-Enju: 15件
-共通:15件
-カーリルのみ:0件
+Enju: 7件
+共通:7件
+カーリルのみ:8件
Enjuのみ:0件
正解:2件
カーリル不足:0件
@@ -156,8 +156,8 @@
Enju: 1.000
MRR:
カーリル: 1.000
- Enju: 0.091
-tsv,QID-2020-10,ぐりとぐら,1.000,1.000,1.000,0.091
+ Enju: 0.250
+tsv,QID-2020-10,ぐりとぐら,1.000,1.000,1.000,0.250
------------------
[QID-2020-11]思考の整理学
カーリル: 2件
@@ -179,10 +179,10 @@
------------------
[QID-2020-12]少年と犬
カーリル: 1件
-Enju: 1件
+Enju: 12件
共通:1件
カーリルのみ:0件
-Enjuのみ:0件
+Enjuのみ:11件
tsv,QID-2020-12,少年と犬,1.000,1.000,1.000,1.000
------------------
[QID-2020-13]絵本の名作200
@@ -241,9 +241,9 @@
------------------
[QID-2020-16]社会とは何か
カーリル: 46件
-Enju: 5件
-共通:5件
-カーリルのみ:41件
+Enju: 46件
+共通:46件
+カーリルのみ:0件
Enjuのみ:0件
正解:1件
カーリル不足:0件
@@ -254,8 +254,8 @@
Enju: 1.000
MRR:
カーリル: 0.500
- Enju: 0.200
-tsv,QID-2020-16,社会とは何か,1.000,0.500,1.000,0.200
+ Enju: 0.029
+tsv,QID-2020-16,社会とは何か,1.000,0.500,1.000,0.029
------------------
[QID-2020-17]村上ラヂオ
カーリル: 5件
@@ -368,4 +368,4 @@
[Recall]カーリル: 1.000
[Recall]Enju: 0.767
[MRR]カーリル: 0.830
-[MRR]Enju: 0.648
+[MRR]Enju: 0.647 「少年と犬」では、「少年」と「犬」の両方を含む資料がヒットしている。
|
Solrは9.0.0がリリースされている。現在使用しているのは6.6.6でアップデートしたいが、そのまま7以上にアップデートすると、検索結果や件数が変わってしまうことが確認されている。
The text was updated successfully, but these errors were encountered: