Solr自定义更新请求处理器：UIMA集成

您可以将 Apache 非结构化信息管理体系结构（UIMA）与 Solr 进行集成。通过 UIMA，您可以定义分析引擎（Analysis Engines）的自定义管道，以增量方式将元数据作为注释添加到文档中。 

Solr 如何配置 UIMA

SolrUIMA UpdateRequestProcessor 是一个自定义的更新请求处理器，它将文档编入索引，将它们发送到 UIMA 管道，然后返回富集了指定元数据的文档。要为 Solr配置 UIMA，请按照下列步骤操作：

1. 将 solr-uima-VERSION.jar（在 /solr-VERSION/dist/ 中）及其库（在 contrib/uima/lib 中）复制到 Solr 库目录中，或者将 solrconfig.xml 中的 <lib/> 标记适当地设置以指向这些 jar 文件：

   <lib dir="../../contrib/uima/lib" />
   <lib dir="../../dist/" regex="solr-uima-\d.*\.jar" />

2. 修改 schema.xml，添加所需的元数据字段，为类型、索引、储和多值选项指定适当的值。例如：

   <field name="language" type="string" indexed="true" stored="true" required="false"/>
   <field name="concept" type="string" indexed="true" stored="true" multiValued="true" required="false"/>
   <field name="sentence" type="text" indexed="true" stored="true" multiValued="true" required="false" />

3. 将以下代码片段添加到 solrconfig.xml 中：

   <updateRequestProcessorChain name="uima">
     <processor class="org.apache.solr.uima.processor.UIMAUpdateRequestProcessorFactory">
       <lst name="uimaConfig">
         <lst name="runtimeParameters">
           <str name="keyword_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="concept_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="lang_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="cat_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="entities_apikey">VALID_ALCHEMYAPI_KEY</str>
           <str name="oc_licenseID">VALID_OPENCALAIS_KEY</str>
         </lst>
         <str name="analysisEngine">/org/apache/uima/desc/OverridingParamsExtServicesAE.xml</str>
         <!-- Set to true if you want to continue indexing even if text processing fails.
              Default is false. That is, Solr throws RuntimeException and
              never indexed documents entirely in your session. -->
         <bool name="ignoreErrors">true</bool>
         <!-- This is optional. It is used for logging when text processing fails.
              If logField is not specified, uniqueKey will be used as logField.
         <str name="logField">id</str>
         -->
         <lst name="analyzeFields">
           <bool name="merge">false</bool>
           <arr name="fields">
             <str>text</str>
           </arr>
         </lst>
         <lst name="fieldMappings">
           <lst name="type">
             <str name="name">org.apache.uima.alchemy.ts.concept.ConceptFS</str>
             <lst name="mapping">
               <str name="feature">text</str>
               <str name="field">concept</str>
             </lst>
           </lst>
           <lst name="type">
             <str name="name">org.apache.uima.alchemy.ts.language.LanguageFS</str>
             <lst name="mapping">
               <str name="feature">language</str>
               <str name="field">language</str>
             </lst>
           </lst>
           <lst name="type">
             <str name="name">org.apache.uima.SentenceAnnotation</str>
             <lst name="mapping">
               <str name="feature">coveredText</str>
               <str name="field">sentence</str>
             </lst>
           </lst>
         </lst>
       </lst>
     </processor>
     <processor class="solr.LogUpdateProcessorFactory" />
     <processor class="solr.RunUpdateProcessorFactory" />
   </updateRequestProcessorChain>

   您需要注意以下几点：
   • VALID_ALCHEMYAPI_KEY 是您的 AlchemyAPI 访问密钥。您需要注册一个 AlchemyAPI 访问秘钥以使用 AlchemyAPI 服务，注册地址如下： http : //www.alchemyapi.com/api/register.html。
   • VALID_OPENCALAIS_KEY 是您的 Calais 服务密钥（Calais Service Key）。您需要注册 Calais 服务密钥才能使用 Calais 服务，注册地址如下：http : //www.opencalais.com/apikey。
   • analysisEngine 必须在类路径的指定路径中包含一个 AE 描述符。
   • analyzeFields 必须包含需要由 UIMA 分析的输入字段。如果 merge=true 那么他们的内容将被合并和分析一次。
   • 字段映射描述哪些类型的功能应该在字段中进行。
4. 在您的 solrconfig.xml 替换现有的默认 UpdateRequestHandler 或创建一个新的 UpdateRequestHandler：

   <requestHandler name="/update" class="solr.XmlUpdateRequestHandler">
     <lst name="defaults">
       <str name="update.chain">uima</str>
     </lst>
   </requestHandler>

一旦您完成了配置，您的文档将在索引时自动丰富指定的字段。

有关 Solr UIMA 集成的更多信息，请参阅：https://wiki.apache.org/solr/SolrUIMA。