Question

我正在使用Lucene实现单词搜索。我想为每个文档添加两个字段：一个标题字段，其中包含文档中的前100个字符，以及一个内容字段，其中包含文档中的其余字符。

ContentHandler handler = new BodyContentHandler();

    try {
        parser.parse(is, handler, metadata);
    } finally {
        is.close();
    }

    Document doc = new Document();
    Field titleField = new Field("title", 
                           handler.toString().substring(0, 100), 
                           Field.Store.YES, 
                           Field.Index.ANALYZED_NO_NORMS);

    Field contentsField = new Field("contents", 
                              handler.toString().substring(101), 
                              Field.Store.YES, 
                              Field.Index.ANALYZED_NO_NORMS);

我想为每个字段添加提升功能：我希望标题占70％，内容占30％。

我这样做：

titleField.setBoost(1.70f);

doc.add(titleField);
doc.add(contentsField);
doc.add(new Field("filename", metadata.get(Metadata.RESOURCE_NAME_KEY), 
        Field.Store.YES, Field.Index.ANALYZED));

但是，我无法看到文件的不同之处。

在计算分数时，字段的长度是否重要？

我还尝试实现一个扩展DefaultSimilarity的类，但它没有帮助。

class IsolationSimilarity extends DefaultSimilarity {
    public IsolationSimilarity(){
    }

    @Override
    public float idf(int docFreq, int numDocs) {
        return(float)1.0;
    }

    @Override
    public float coord(int overlap, int maxOverlap) {
        return 1.0f;
    }

    @Override
    public float lengthNorm(String fieldName, int numTokens){
        return 1.0f;
}
}

Answer 1

你是否尝试过增加你增加的数量？请注意，the method used of encoding that value 极其有损，以节省索引中的空间。你只能指望大约1位精确数字。

尝试更大的值，然后将其拉回，直到您按照自己想要的方式进行调整。

那就是说，你应该看到两者之间的一些细微差别。根据我的测试，当lengthNorm被存根时，1.7将获得最终值为1.5的相似性。

您是否运行explain()，以查看影响查询的内容？仅仅因为你提升了标题，并不意味着标题上的匹配将是第一个返回的结果。

使用Lucene设置字段的提升

1 个答案: