Cześć,
myślę nad rozwiązaniem następującego problemu: mam tekst, który może być wydzielony z PDF-a lub wyciągnięty z obrazka przy użyciu OCR-a. Każdy wyraz tego tekstu ma dodatkowo atrybuty związane z jego położeniem w dokumencie (strona i współrzędne na stronie). Pytanie, co mogę wykorzystać do wyszukiwania pełnotekstowego w takim przypadku. Use case jest taki, że użytkownik wpisując frazę powinien dostać współrzędne, gdzie szukany tekst się znajduje w dokumencie. Na chwilę obecną po prostu przechowuję każdy wyraz jako osobny rekord w tabeli w Postgresie, a w pozostałych kolumnach info o współrzędnych. Minus jest taki, że nie mogę wyszukiwać po wzorcu złożonym z więcej niż jednego wyrazu, no i tak zaprojektowana tabela dość szybko puchnie wraz ze wzrostem liczby dodanych i przeparsowanych dokumentów. Próbowałem użyć Solr-a (wraz z Sunspotem), ale w sposób analogiczny, czyli każdy wyraz jako osobne pole. Przypuszczam, że takie podejście też jest dalekie od optymalnego. Spotkał się ktoś w podobnym problemem?
