నేను ఈ వారం ఒక నిర్మాణ సమీక్ష పత్రం పని చేస్తున్నాను మరియు అది సూచిస్తుంది, ఇతర విషయాలు, that the client consider using the thesaurus to help improve the end user search experience. Having never done this myself, I wanted to do a quick hands-on test so that my suggestion is authentic.

ఇది ఎలా దొరుకుతుందని ఆశ్చర్యకరంగా కష్టం, ఇది అయితే, నిజానికి, quite easy. There’s a pretty good bit of information on the thesaurus (తనిఖీ ఇక్కడ మరియు ఇక్కడ, ఉదాహరణకు). అయితే, ఆ పత్రాలను WSS గాని ఉన్నాయి 2.0 / SPS 2003 oriented or they don’t actually spell out what do to after you’ve made your changes in the thesaurus. They provide a great overview and fair bit of detail, కానీ అది పూర్తి లైన్ను తగినంత కాదు.

ఈ దశలను నాకు పని:

1. Make the changes to the thesaurus. (ఒక ముఖ్యమైన గమనిక కోసం క్రింద చూడండి)
2. Go to the server and restart the "Office SharePoint Server Search" సేవ.

కు టోపీ ఒక సూచన Mr. J. D. నడుస్తూ దాటిపోవు (జీవము). He provided the key bit about restarting the search service and rescued me from endless, time consuming and unnecessary iisresets and full index crawls. This episode రుజువు, మరోసారి, ఆ ట్విట్టర్ is the awesome. (ఇక్కడ ట్విట్టర్ లో నన్ను అనుసరించండి. I follow any SharePoint person that follows me).

I don’t know if this functionality is available in WSS. If it is or is not, ఒక వ్యాఖ్యను లేదా నాకు ఇమెయిల్ దయచేసి నేను ఈ డేట్ చేస్తాము.

ముఖ్య గమనిక: There’s conflicting information on which XML thesaurus file to change. There’s this notion of "tsneu.xml" as being the "neutral" విజ్ఞాన సర్వస్వము. I wasted some time working with that one. నా విషయంలో, I needed to change the "tsenu.xml" ఫైల్ అనువర్తనం ID యొక్క ఫోల్డర్ క్రింద ఉన్న: \\win2003srv సి $ Program Files Microsoft Office సర్వర్లు 12.0 డేటా ఆఫీసు సర్వర్ అనువర్తనాలు 3c4d509a-75c5-481c-8bfd-099a89554e17\Config. I assume that in a multi-farm situation, మీరు ఈ మార్పు ప్రతిచోటా ఒక ప్రశ్నను సర్వర్ నడుస్తుంది చేస్తుంది.

</చివర>

నా బ్లాగ్ సబ్స్క్రయిబ్.

నేను రోజు అప్ పూర్తి చేసిన 2 ఎండ నీధం లో వేగవంతం శిక్షణ, MA, మరియు నేను ఆలోచనలను పగిలిపోవడం వెబ్ (అన్ని మంచి శిక్షణ తరగతులు నాకు ఇవి). One particular aspect of FAST has me thinking and I wanted to write it down while it was still fresh and normal day-to-day "stuff" నా తల దాన్ని ముందుకు.

మేము SharePoint WSS 3.0 / MOSS అమలు తరచుగా ఏ అయినా SharePoint ప్రాజెక్ట్ తో ఒక కఠినమైన సమస్య ఎదుర్కొనే: మేము అది మా సంపూర్ణ రూపకల్పన సమాచారం నిర్మాణంలోపల సరిపోయే అటువంటి SharePoint లోకి లోడ్ అన్ని NUM_UNTAGGED ట్యాగ్ తీసివేయబడిన డేటా ఎలా పొందాలి?

తరచుగా తగినంత, ఇది ఒక హార్డ్ సమస్య కాదు ఎందుకంటే ఇబ్బంది మేము పరిధిని మమ్మల్ని బయటకు: "We don’t care about anything more than 3 months old." "We’ll handle all that old stuff with keyword search and going-forward we’ll do it the RIGHT way…" Etc.

కాని, what happens if we can’t scope ourselves out of trouble and we’re looking at 10’s of thousands or 100’s of thousands (లేదా మిలియన్ల) డాక్స్ — లోడ్ మరియు ఇది ఆఫ్ టాగింగ్ మా విశ్వాసంగల ఆకాంక్షిస్తుంది?

వేగవంతం సమాధానం కావచ్చు.

వేగవంతం యొక్క శోధన ప్రక్రియ కదిలే భాగాలు చాలా ఉన్నాయి కానీ ఒక సరళమైన వీక్షణ ఈ ఉంది:

• ఒక క్రాలర్ ప్రక్రియ కంటెంట్ వెదుకుతుంది.
• ఇది కంటెంట్ తెలుసుకుంటాడు మరియు పత్రం ప్రాసెసర్ల యొక్క ఒక పూల్ నిర్వహించే ఒక మధ్యవర్తి ప్రక్రియ ఇది ​​ఆఫ్ చేతులు.
• బ్రోకర్ ప్రక్రియ పత్రం ప్రాసెసర్ల దానిని ఆఫ్ చేతులు.
• పత్రం ప్రాసెసర్ పత్రం విశ్లేషిస్తుంది మరియు పైప్లైన్ ప్రక్రియ ద్వారా, పత్రం నుండి bejeezus విశ్లేషిస్తుంది మరియు ఒక ఇండెక్స్ బిల్డర్ రకం ప్రక్రియ ఇది ​​ఆఫ్ చేతులు.

స్టార్ షిప్ ప్రయాణాలను వేగంగా, we have a lot of control over the document processing pipeline. We can mix and match about 100 పైప్లైన్ భాగాలు మరియు, చాలా ఆసక్తికరంగా, we can write our own components. Like I say, FAST is analyzing documents every which way but Sunday and it compiles a lot of useful information about those documents. Those crazy FAST people are clearly insane and obsessive about document analysis because they have tools and/or strategies to REALLY categorize documents.

ఈ విధంగా … మా స్వంత కస్టమ్ పైప్లైన్ భాగం కలిపి వేగవంతం ఉపయోగించి, we can grab all that context information from FAST and feed it back to MOSS. It might go something like this:

• డాక్యుమెంట్ MOSS నుండి వేగవంతం ఉంచుతారు.
• సాధారణ వెర్రి-అబ్సెసివ్ వేగవంతం పత్రం అన్వయించడం మరియు వర్గీకరణలో జరుగుతుంది.
• మా స్వంత కస్టమ్ పైప్లైన్ భాగం ఒక డేటాబేస్ ఆ సందర్భంలో సమాచారం యొక్క కొంత ఆఫ్ పడిపోతుంది.
• మా స్వంత రూపకల్పనను ప్రక్రియలో సందర్భం సమాచారాన్ని చదువుతుంది, మా IA లోపల ఆ MOSS పత్రం సరిపోయే ఎలా కొన్ని నిర్ణయాలు చేస్తుంది మరియు ఒక వెబ్ సేవ మరియు ఆబ్జెక్ట్ మోడల్ ఉపయోగించి దానిని సూచిస్తుంది.

కోర్సు యొక్క, అలాంటి స్వయంచాలక ప్రక్రియ అబ్సెసివ్ ఖచ్చితమైన కానీ ధన్యవాదాలు ఉంటుంది (మరియు మతిస్థిమితం కాని లో ఒక మంచి మార్గం వేగవంతం ప్రజలు), కేవలం కేవలం శోధించదగిన పత్రాలు ఒక సమూహం తో ఒక SQL డేటాబేస్ అప్ పూరించడానికి కంటే మేము ఎక్కువ చేసే నిజంగా ప్రభావవంతమైన ప్రజా లోడ్ ప్రక్రియ కాల్చి నిజమైన పోరాటం కలిగి ఉండవచ్చు.

</చివర>

నా బ్లాగ్ సబ్స్క్రయిబ్.

నేను గురించి ఆడటానికి నేడు కారణం codeplex ముఖాలుగా శోధన project today.

ఇది ఒక ఉండగా జరిగింది, కానీ నేను సాధారణ కారణాలతో డౌన్లోడ్ మరియు ఉపయోగించడానికి సంశయించారు (సమయం ప్రధానంగా లేకపోవడం), plus outright fear 🙂

మీరు మీ శోధన మెరుగుపరచడానికి మరియు కొత్త ఎంపికలు అన్వేషించడానికి చూస్తున్నారా ఉంటే, download it and install it when you have an hour or so of free time. I followed the installation manual’s instructions and it took me less than 20 minutes to have it installed and working. It provides value minute zero.

It does look pretty hard to extend. The authors provide a detailed walk-through for a complex BDC scenario. I may be missing it, but I wish they would also provide a simpler scenario involving one of the pre-existing properties or maybe adding one new managed property. I shall try and write that up myself in the next period of time.

బాటమ్ లైన్ — నిమిషాల్లో, మీరు ఇన్స్టాల్ చేయవచ్చు, ఇది కాన్ఫిగర్, use it and add some pretty cool functionality to your vanilla MOSS search and be a hero 🙂

</చివర>

నా బ్లాగ్ సబ్స్క్రయిబ్.

MSDN శోధన ఫోరం, ప్రజలు తరచుగా ఈ వంటి ఒక ప్రశ్నను అడగండి:

"I have a document named ‘Programming Guide’ but when I search for ‘Pro’ శోధన దానిని కనుగొనేందుకు లేదు."

ఇది భావిస్తాను పోవచ్చు, but that amounts to a wildcard search. The MOSS/WSS user interface does not support wildcard search out of the box.

If you dig into the search web parts, you’ll find a checkbox, "Enable search term stemming". Stemming is a human-language term. It’s not a computer language substring() type function.

These are some stems:

• "fish" is a stem to "fishing"
• "major" is a stem to "majoring"

These are not stems:

• "maj" is not a stem to "major"
• "pro" is not a stem to "programmer"

The WSS/MOSS search engine does support wild card search through the API. Here is one blog article that describes how to do that: http://www.dotnetmafia.com/blogs/dotnettipoftheday/archive/2008/03/06/how-to-use-the-moss-enterprise-search-fulltextsqlquery-class.aspx

A 3rd party product, Ontolica, provides wild card search. I have not used that product.

</చివర>

నా బ్లాగ్ సబ్స్క్రయిబ్.