Re: [sdx-users] affichage alphabétique d'un e liste de terme sur un champ

[Frédéric Glorieux]

> > Je ne sais pas si je suis avec ou contre toi,
> T'as pas intérêt ;-))))

Je suis prêt à mourir pour certaines idées, mais peut-être pas celles là.

> > pour moi, un index doit contenir "Architecture -- Bâtiment cultuel -- 
> > Église", c'est au code à rendre (ou ne pas rendre) le terme à ceux qui 
> > cherchent "église".
>
>
> Je ne suis pas d'accord : on parle de l'index, la chose qui apporte de 
> la performance *en dernier ressort* : si on négocie, on la perd ipso facto.
>
> Autant je suis d'accord avec toi sur ce type d'analyse lors d'une 
> expansion de requête, autant je pense que si l'on cherche à récolter ce 
> qu'il y a dans l'index, on doit aller vite.

Pour moi, un index Lucene est une source de données, au même titre 
qu'une base SQL. On n'y met pas n'importe quoi, il est potentiellement 
lisible par d'autres applis. Que Lucene s'arrange pour s'optimiser, ce 
n'est pas mon problème (enfin tant que ça marche).


> > Cela signifie aussi que "architecture -- bâtiment cultuel -- église" 
> > (sans majuscules) constitue un autre terme (qui en l'occurence 
> > pourrait faire doublon).
>
>
> Ceci peut être (plus ou moins facilement) résolu dans le cadre d'une 
> expansion de requête... on gère les quelques termes de la requête avant 
> d'attaquer les nombreux termes de l'index.

mmmh, l'expansion de requête aura bien du mal à inférer toutes les 
combinaisons possibles de capitalisation, alors qu'il est si simple de 
la faire ici

terme cherché > analyseur > match ! < analyseur < terme lu

On pourrait penser à ceci

               document > analyseur > terme écrit
terme cherché > analyseur > match ! < terme lu

Mais en l'occurence, ce n'est pas le propos, car les termes sont comme 
ils sont, après analyse pour la base de documents, ou alors on monte une 
appli "liste de termes" (genre Rameau et ses notices)



> > Merci JAVA
> Ou, plutôt, Unicode.

Alors merci, merci.

> > Il faudrait alors ajouter des guillemets quand il y a des espaces
>
>
> Plus compliqué encore dans le cadre d'analyseurs renvoyant plusieurs 
> tokens sur la même position. Voir :
>
> http://www.nongnu.org/aramorph/french/lucene.html ;-)
> http://svn.apache.org/viewcvs.cgi/lucene/java/trunk/src/test/org/apache/lucene/search/TestPositionIncrement.java?rev=150585&view=markup 

Les espaces dont je parle ne concerne que les champs non tokenisés, les 
champ de type="field" ?

> > +Architecture* -"*bâtiment cultuel*" +*roman*
>
>
> Mmmmh... <sdx:term> va carrément dans l'IndexReader et, de là, il peut 
> renvoyer une TermDocs. A partir de là, on peut combiner (plus facile à 
> écrire qu'à coder, je sais :-)

J'ai l'impression que c'est ce que fait 
fr.gouv.culture.sdx.search.lucene.query.Terms  ? En tous cas les 
interventions citées plus haut consistent à filtrer la liste 
alphabétique de tous les termes d'un champ donné par l'index lucene 
(avec l'abstraction particulière à SDX de combiner plusieurs index)



--
Frédéric Glorieux ("AJLSM", <http://ajlsm.com>)