Question

首先，抱歉我的英语不好！

我是Lucene图书馆的新手（自上周三以来），我试图了解如何根据找到的条款获得匹配文档的最佳相关性水平。

我使用Lucene 4.10.0（无Solr）

我能够索引/搜索英语/阿拉伯语文本以及支持这些文本的点击突出显示。

现在我对搜索结果的相关性存在疑问。

如果我搜索＆＃34; Mohammad Omar＆＃34;在三个文档中：

doc1.add(new TextField("contents", "xyz abc, 123 Mohammad Abu Omar 123", Field.Store.YES));
indexWriter.addDocument(config.build(taxoWriter, doc1));

doc2 = new Document();
doc2.add(new TextField("contents", "xyz abc, 123 Omar bin Mohammad 123", Field.Store.YES));
indexWriter.addDocument(config.build(taxoWriter, doc2));

doc3 = new Document();
doc3.add(new TextField("contents", "xyz abc, 123 Abu Mohammad Omar 123", Field.Store.YES));
indexWriter.addDocument(config.build(taxoWriter, doc3));
...etc

我对这3个文档得分相同。

看起来Lucene忽略了单词顺序，只是在匹配计数上得分。

我希望以下结果为最佳结果：

doc3那么doc1那么doc2

但我明白了：

doc1那么doc2那么doc3（所有人都有同样的分数）

用于搜索小写和子字符串我使用扩展分析器，如下所示：

   @Override
   protected TokenStreamComponents createComponents(String fieldName, Reader reader) {
     Tokenizer source = new WhitespaceTokenizer(reader);
     TokenStream filter = new LowerCaseFilter(source);   
     filter = new WordDelimiterFilter(filter,Integer.MAX_VALUE,null);
     return new TokenStreamComponents(source, filter);
   }

任何想法如何执行它？

从这里开始：http://lucene.apache.org/core/4_10_0/queryparser/org/apache/lucene/queryparser/classic/package-summary.html#Boosting_a_Term

我看到Boosting查询条款和/或使用RegEx可能是一个选项，但这意味着，我必须手动处理用户输入。没有＆＃34;开箱即用＆＃34;解决方案（如功能，过滤器或分析器）？

非常感谢！

Answer 1

您的"Mohammad Omar"查询在代码方面如何？如果您只需要这个完整的词组，请将此字符串提供给PhraseQuery，或者如果您使用QueryParser，请将此词组换成引号以生成PhraseQuery。

如果您在搜索结果中同时需要此短语以及包含这两个术语的文档，则可以将"Mohammad Omar"作为短语（如上所述）和单独的术语包含在内，如下所示：{{ 1}}。您还可以为短语元素添加提升，以便短语结果排名更高。

Lucene Analyzer查询和搜索结果相关性分数

1 个答案: