Question

要允许用户使用Lucene 3.5搜索多个字段，我目前正在为要搜索的每个字段创建QueryParser并添加DisjunctionMaxQuery到{{3}}。使用 OR 作为默认运算符时效果很好但我现在想将默认运算符更改为 AND 以获得更准确（和更少）的结果。

问题是，queryParser.setDefaultOperator(QueryParser.AND_OPERATOR)错过了很多文件，因为所有条款都必须在至少1个字段中。

例如，考虑文档的以下数据：title field =“Programming Languages”，body field =“Java，C ++，PHP”。如果用户要搜索 Java编程，则此特定文档将不会包含在结果中，因为标题和正文字段包含查询中的所有术语，尽管它们组合在一起。我希望为上述查询返回此文档，但不希望查询 HTML编程。

我认为这是一个笼罩的领域，但我遇到了一些问题。首先，用户经常在他们的查询（作者：账单）中包括每个字段术语，这对于一个catchall字段是不可能的。此外，我使用FastVectorHighlighter突出显示某些字段，这需要对它们进行索引和存储。因此，通过添加一个catchall字段，我必须将大部分相同的数据索引两次，这是耗费时间和空间的。

有什么想法吗？

Answer 1

猜猜我应该做更多的研究。结果MultiFieldQueryParser提供了我正在寻找的确切功能。无论出于何种原因，我为每个想要搜索的字段创建了一个QueryParser：

String[] fields = {"title", "body", "subject", "author"};
QueryParser[] parsers = new QueryParser[fields.length];      
for(int i = 0; i < parsers.length; i++)
{
   parsers[i] = new QueryParser(Version.LUCENE_35, fields[i], analyzer);
   parsers[i].setDefaultOperator(QueryParser.AND_OPERATOR);
}

这会产生如下查询：

(+title:java +title:programming) | (+body:java +body:programming)

......这不是我想要的。现在我创建一个这样的MultiFieldQueryParser：

MultiFieldQueryParser parser = new MultiFieldQueryParser(Version.LUCENE_35, new String[]{"title", "body", "subject"}, analyzer);
parser.setDefaultOperator(QueryParser.AND_OPERATOR);

这给了我正在寻找的查询：

+(title:java body:java) +(title:programming body:programming)

感谢@seeta和@femtoRgon的帮助！

Answer 2

您可能需要的是结合使用布尔查询来捕获字段和术语的不同组合。在您给出的示例中，查询可以是 -

（标题：Java AND body：programming）或（标题：编程和正文：Java）。

我不知道是否有一个现有的Query类会自动为您生成，但我认为这应该是在索引上运行的最终查询。

Answer 3

您希望能够使用相同的术语集搜索多个字段，然后是评论中的问题：

((title:java title:programming) | (body:java body:programming))~0.2

可能不是最好的实施方式。

您可以有效地从标题中获得分数，或者从组合的术语组合中获得分数。你在标题中点击java并在正文中编程的情况将给出约。与体内java的命中相同的权重，并且没有打击编程。

我认为更好的结构化查询是：

(title:java body:java)~0.2 (title:programming body:programming)~0.2

这对我来说更有意义，因为你希望dismax查询限制同一个词（在不同领域）的多个查询中得分增长，但你确实希望得分能够以不同的条件增长，我相信。 / p>

如果这种查询结构能让您获得更好的分数结果，那么将结果限制在某个最低分数（返回的最大分数的百分比，而不是简单的硬编码值）可能足以防止过于微弱的结果被人看见。

我还是不计算索引所有字段。这是我之前使用的一个实现，同时索引特定字段和catchall字段，从而允许一般查询和特定的单字段查询。对于未存储的术语，索引存储往往非常精简，如果您发现自己必须创建大而复杂的查询来弥补没有它，它通常会有助于提高性能。

如果你真的想确保它占用最少的存储空间，你甚至可以关闭该字段的TermVectors：

new Field(name, value, Field.Store.NO, Field.Index.ANALYZED, Field.TermVector.NO);

虽然我不知道会有多大差异。

Lucene：使用默认运算符= AND搜索多个字段

3 个答案: