如何在Solr嵌套文档中查询特定依存标签以用于NLP研究？

场景1：嵌入式数组嵌套结构（非父子文档） #

如果语料文档是将sentences和parsed作为嵌入式JSON数组对象索引（比如sentences是多值对象字段，每个sentences包含parsed数组），可以使用以下查询：

查询语句 #

q=sentences.parsed.lemma:singe AND sentences.parsed.dep:(acl ROOT)&fl=id,sentences.parsed[lemma:singe,dep:(acl,ROOT)]

语句说明 #

• q参数：匹配所有在sentences.parsed层级中，lemma等于singe且dep为acl或ROOT的文档，(acl ROOT)表示逻辑或关系。
• fl参数：指定返回字段，仅保留文档ID和满足条件的parsed子对象，过滤掉无关的嵌套条目，实现精准返回目标dep标签。

场景2：Block Join父子文档结构 #

如果文档是按父子结构索引（比如parsed作为子文档，sentences或主文档作为父文档），需用Block Join语法确保条件匹配同一子文档：

查询匹配子文档并返回父文档 #

q={!child of="doc_type:parent"}lemma:singe AND (dep:acl OR dep:ROOT)

注：doc_type:parent需替换为你的父文档过滤条件，比如主文档的类型标识字段。

仅返回目标子文档的字段 #

q={!child of="doc_type:parent"}lemma:singe AND (dep:acl OR dep:ROOT)&fl=dep,lemma

场景3：指定嵌套路径的严格匹配 #

如果需要明确限定查询仅作用于sentences/parsed层级，可使用路径局部参数：

q={!path=/sentences/parsed}lemma:singe AND (dep:acl OR dep:ROOT)

注意事项 #

• 确保Solr Schema中嵌套字段配置正确：sentences和parsed需设为multiValued=true或nested类型，支持JSON对象数组的索引与查询。
• 注意大小写一致性：查询中的ROOT、acl需与索引中dep字段的实际取值大小写一致。
• Solr版本要求：路径投影（fl中的嵌套过滤）需Solr 8.0及以上版本支持，低版本建议使用Block Join语法。

内容的提问来源于stack exchange，提问作者Aldo He