Question

我了解如何在索引时或查询时提升字段。但是，如何才能增加匹配标题开头附近的分数？

示例：

Query = "lucene"

Doc1 title = "Lucene: Homepage"
Doc2 title = "I have a question about lucene?"

我希望第一份文件得分更高，因为“lucene”更接近开头（暂时忽略术语频率）。

我看到如何使用SpanQuery来指定术语之间的接近程度，但我不确定如何使用有关该字段中位置的信息。

我在Java中使用Lucene 4.1。

Answer 1

我会使用SpanFirstQuery，它匹配字段开头附近的字词。由于所有跨度查询都依赖于位置，默认情况下在lucene中进行索引时启用。

让我们独立测试：您只需要提供SpanTermQuery和可以找到该术语的最大位置（在我的示例中为一个）。

SpanTermQuery spanTermQuery = new SpanTermQuery(new Term("title", "lucene"));
SpanFirstQuery spanFirstQuery = new SpanFirstQuery(spanTermQuery, 1);

如果您使用StandardAnalyzer分析了这两个文档，那么此查询将只找到标题为“Lucene：Homepage”的第一个文档。

现在我们可以以某种方式将上述SpanFirstQuery与普通文本查询相结合，并使第一个仅影响分数。您可以使用BooleanQuery轻松地执行此操作，并将span查询作为这样的should子句：

Term term = new Term("title", "lucene");
TermQuery termQuery = new TermQuery(term);
SpanFirstQuery spanFirstQuery = new SpanFirstQuery(new SpanTermQuery(term), 1);
BooleanQuery booleanQuery = new BooleanQuery();
booleanQuery.add(new BooleanClause(termQuery, BooleanClause.Occur.MUST));
booleanQuery.add(new BooleanClause(spanFirstQuery, BooleanClause.Occur.SHOULD));

可能有不同的方法来实现相同，也许使用CustomScoreQuery或自定义代码来实现评分，但在我看来这是最简单的。

我用来测试它的代码打印出以下输出（包括得分），首先执行TermQuery，然后是唯一SpanFirstQuery，最后是BooleanQuery合并：

------ TermQuery --------
Total hits: 2
title: I have a question about lucene - score: 0.26010898
title: Lucene: I have a really hard question about it - score: 0.22295055
------ SpanFirstQuery --------
Total hits: 1
title: Lucene: I have a really hard question about it - score: 0.15764984
------ BooleanQuery: TermQuery (MUST) + SpanFirstQuery (SHOULD) --------
Total hits: 2
title: Lucene: I have a really hard question about it - score: 0.26912516
title: I have a question about lucene - score: 0.09196242

以下是完整的代码：

public static void main(String[] args) throws Exception {

        Directory directory = FSDirectory.open(new File("data"));

        index(directory);

        IndexReader indexReader = DirectoryReader.open(directory);
        IndexSearcher indexSearcher = new IndexSearcher(indexReader);

        Term term = new Term("title", "lucene");

        System.out.println("------ TermQuery --------");
        TermQuery termQuery = new TermQuery(term);
        search(indexSearcher, termQuery);

        System.out.println("------ SpanFirstQuery --------");
        SpanFirstQuery spanFirstQuery = new SpanFirstQuery(new SpanTermQuery(term), 1);
        search(indexSearcher, spanFirstQuery);

        System.out.println("------ BooleanQuery: TermQuery (MUST) + SpanFirstQuery (SHOULD) --------");
        BooleanQuery booleanQuery = new BooleanQuery();
        booleanQuery.add(new BooleanClause(termQuery, BooleanClause.Occur.MUST));
        booleanQuery.add(new BooleanClause(spanFirstQuery, BooleanClause.Occur.SHOULD));
        search(indexSearcher, booleanQuery);
    }

    private static void index(Directory directory) throws Exception {
        IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_41, new StandardAnalyzer(Version.LUCENE_41));

        IndexWriter writer = new IndexWriter(directory, config);

        FieldType titleFieldType = new FieldType();
        titleFieldType.setIndexOptions(FieldInfo.IndexOptions.DOCS_AND_FREQS_AND_POSITIONS);
        titleFieldType.setIndexed(true);
        titleFieldType.setStored(true);

        Document document = new Document();
        document.add(new Field("title","I have a question about lucene", titleFieldType));
        writer.addDocument(document);

        document = new Document();
        document.add(new Field("title","Lucene: I have a really hard question about it", titleFieldType));
        writer.addDocument(document);

        writer.close();
    }

    private static void search(IndexSearcher indexSearcher, Query query) throws Exception {
        TopDocs topDocs = indexSearcher.search(query, 10);

        System.out.println("Total hits: " + topDocs.totalHits);

        for (ScoreDoc hit : topDocs.scoreDocs) {
            Document result = indexSearcher.doc(hit.doc);
            for (IndexableField field : result) {
                System.out.println(field.name() + ": " + field.stringValue() +  " - score: " + hit.score);
            }
        }
    }

Answer 2

来自“Lucene In Action 2”一书

“Lucene在包中提供了内置查询PayloadTermQuery org.apache.lucene.search.payloads。这个查询就是像SpanTermQuery一样，它匹配包含指定术语的所有文档并跟踪匹配的 实际发生次数（跨度） 。

但随后它可以让您根据出现的有效负载贡献一个评分因子在每个学期的发生。为此，您必须创建自己的Similarity类它定义了scorePayload方法，就像这个“

public class BoostingSimilarity extends DefaultSimilarity {
public float scorePayload(int docID, String fieldName,
int start, int end, byte[] payload,
int offset, int length) {
....
}

上面代码中的“start”只是有效负载的起始位置。有效负载与该术语相关联。因此，起始位置也适用于该术语（至少这是我所相信的......）

通过使用上述代码，但忽略有效负载，您可以访问评分地点的“开始”位置，然后您可以根据该起始值提高分数。

例如：新分数=原始分数*（1.0f /起始位置）

我希望上述内容有效，如果您找到其他有效的解决方案，请在此发布。

lucene - 给予更多权重，更接近的术语是标题的开头

2 个答案: