关于Solr的配置流程

1、前往官网下载Solr:

http://archive.apache.org/dist/lucene/solr/

 

配置Solr服务器

2、创建Tomcat服务器

创建一个Solr(自己创建)文件夹,在里面解压一份新的Tomcat服务器。

3、复制war包

Solr(官网下载的)/example/webapps 下的solr.war包    ---复制--->   Tomcat的webapps下 解压,删除war包 

4、复制日志jar

在Solr (官网下载的)/ example / lib / ext下的 全部日志架包       ---复制--->  Tomcat / webapps / lib  

5、复制日志配置文件

Solr(官网下载的)/example/resource/log4j.properties(日志配置文件)  ---复制---> Tomcat/solr/WEB-INF/classes(自己创建)  

 

配置SolrHome(索引库)

6、复制官方样本库

把Solr(官网下载的)/example/ solr(官方提供的样本库)  ---复制--->    Solr(自己创建)下  改名SolrHome

7、复制相关jar包

Solr官网下载的)/ contrib    和 dist(相关架包)    ---复制--->  Solr自己创建)/  创建depjar文件下 / contrib    和 dist

8、修改核心配置文件,加载相关jar包

修改SolrHome下的collection1/conf目录下的solrconfig.xml,加载jar包

 

 

在Solr服务器中加载SolrHome

9、Tomcat/ webapps / solr / WEB-INF /web.xml。 修改<env-entry>标签,来加载SolrHome

 

 

 

启动Tomcat测试

10、访问地址   http://localhost:8080/solr

 

配置中文分词

11、复制中文分词jar包

把IKAnalyzer2012FF_u1.jar      ----复制-->     Solr(官网下载的)/ WEB-INF /lib 下

12、复制中文分词的配置文件

把IkAnalyzer 配置文件  ----复制-->      Solr(官网下载的)/ WEB-INF/classes(自己创建)下

 13、SolrHome/collection1/conf 下schema.conf  自定义一个FieldType,指定中文分词器IKAnalyzer  

<!-- IKAnalyzer-->
    <fieldType name="text_ik" class="solr.TextField">
             <analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/>
    </fieldType>

14、修改业务域、使用Text_IK分词器

<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" /> 
  
   <field name="product_name" type="text_ik" indexed="true" stored="true"/>
   <field name="product_catalog_name" type="string" indexed="true" stored="true" />
   <field name="product_price"  type="double" indexed="true" stored="true"/>
   <field name="product_description" type="text_ik" indexed="true" stored="false" />
   <field name="product_picture" type="string" indexed="false" stored="true" />

 

15、重启tomcat即可。

 

  

  

 

转载于:https://www.cnblogs.com/luojack/p/11355436.html

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值