基于字段或元素范围索引的分面

Question

我有一个如下所示的 xml 文件

<?xml version="1.0" encoding="UTF-8"?>
<document-envelope xmlns="http://abc/content-repo/envelope">
  <metadata xmlns="http://abc/content-repo/metadata">
    <name>48363ff1d9e0a48dc9e578f0f4519564628fdbbc.docx</name>
    <SubjectMatter>
    Combination Therapy; Comparative Efficacy; Pharmacokinetics/Pharmacodynamics; Safety; Serum Drug Levels; Therapeutic Drug Monitoring (TDM)
    </SubjectMatter>
  </metadata>
</document-enevelope>

我为 SubjectMatter 创建了一个字段和字段范围索引。

我的难题是，当我为 SubjectMatter 创建分面时，它将 <SubjectMatter> 中的全部内容视为一个唯一实体。但我想制作';'分隔文本作为唯一实体。例如：对于上面的示例 xml，我希望 facet 为

Combination Therapy
Comparative Efficacy
Pharmacokinetics/Pharmacodynamics
Safety
Serum Drug Levels
Therapeutic Drug Monitoring (TDM)

我知道我可以通过解析字符串并在构造信封时将每个单独添加 SubjectMatter 来实现这一点。

我想知道是否有另一种方法可以做到这一点，而无需在文档信封中创建多个 SubjectMatter xml 标签？

以下是示例 xml 文件..

<?xml  version="1.0" encoding="UTF-8"?>
<document-envelope xmlns="http://abc/content-repo/envelope">
  <metadata xmlns="http://abc/content-repo/metadata">
    <name>2747f031c217f9e23f1e2c1e600ee48cc703494a.pdf</name>
    <context>GMA</context>
    <mime-type>application/pdf</mime-type>
    <file-type>PDF</file-type>
    <virtual-path>KN</virtual-path>
    <id>54a7b5298b5574ea7e5b743a2817d6c5ad723ac4</id>
    <uploadDate>2016-07-13T02:55:00.000-05:00</uploadDate>
    <remoteURL>https://teams.abbvienet.com/gprd/gma/KM/Lists/Library/Attachments/1120/Hawaii Derm 2013 Meeting Summary CSM Ed.pdf?Web=1</remoteURL>
    <displayFilename>Hawaii Derm 2013 Meeting Summary CSM Ed.pdf</displayFilename>
    <Title xmlns="http://abc/content-repo/metadata/gma">Hawaii Derm 2013 Meeting Summary CSM Ed</Title>
    <Modified-Date xmlns="http://abc/content-repo/metadata/gma">2016-07-13T02:55:00.000-05:00</Modified-Date>
    <author>a-gangapx</author>
    <Presenter xmlns="http://abc/content-repo/metadata/gma">US MSLs</Presenter>
    <Organization xmlns="http://abc/content-repo/metadata/gma">Malhotra, Kailash</Organization>
    <Description xmlns="http://abc/content-repo/metadata/gma">Regional Medical Meeting Report</Description>
    <Therapeutic-Area xmlns="http://abc/content-repo/metadata/gma">7. Immuno - Dermatology</Therapeutic-Area>
    <Disease-State xmlns="http://abc/content-repo/metadata/gma">7. Ps</Disease-State>
    <Material-Type xmlns="http://abc/content-repo/metadata/gma">Report</Material-Type>
    <SubjectMatter xmlns="http://abc/content-repo/metadata/gma">Safety; Pediatrics</SubjectMatter>
    <Region xmlns="http://abc/content-repo/metadata/gma">United States</Region>
    <Language xmlns="http://abc/content-repo/metadata/gma">English</Language>
    <Publication-Date xmlns="http://abc/content-repo/metadata/gma">2013-02-10T00:00:00.000-06:00</Publication-Date>
    <Active-Date xmlns="http://abc/content-repo/metadata/gma">2014-02-07T00:00:00.000-06:00</Active-Date>
    <Expiration-Date xmlns="http://abc/content-repo/metadata/gma">2014-01-01T00:00:00.000-06:00</Expiration-Date>
    <Congress xmlns="http://abc/content-repo/metadata/gma">Other</Congress>
    <Congress-Year xmlns="http://abc/content-repo/metadata/gma">2013</Congress-Year>
    <Endorsement xmlns="http://abc/content-repo/metadata/gma">MSL</Endorsement>
  </metadata>
</document-envelope>

Answer 1

如果您想为每个定界值单独计算分面数，那么我认为您必须创建单独的元素。如果您只关心计算组合值的匹配数，那么您可以构建自定义约束（假设您使用的是搜索 API），并在查询时解析它们时间。不过，您可能仍需要对值的重叠组合进行特殊处理。

通过构建 Aggregate User-Defined Function plugin 可以在不创建多个 SubjectMatter 元素的情况下对单独的值进行计数；但是，除非您对文档没有任何控制权，否则拆分它们可能会简单得多。

Answer 2

对于 MarkLogic 方面的本地使用，那么我认为重构你的信封是最合乎逻辑的方法。

如果您想保持数据原样，那么您可能认为这种方法可以接受：

在 subjectMatter 元素上创建一个字段*

添加词典
并自定义标记器以仅在“;”上拆分

此时，您已经按照自己的方式在词典中获得了信息。

然后查看 about "Browsing with Lexicons 文档中提供的工具是否对您足够。

为什么是字段而不是 elementWordLexicon？如果我们使用一个字段，那么我们可以使用管理界面中可用的设置。如果我们使用 elementWordLexicon，那么我们将注册自定义分词器。我描述的字段选项在索引时确实有更多的开销。但是，实现起来稍微容易一些。

基于字段或元素范围索引的分面

Facet based on field or element range index

marklogic

marklogic-8