Question

我有成对的搜索字符串，我想使用Lucene搜索包含这些字符串中包含的所有术语的句子。例如，如果我有两个搜索字符串＆＃34; white shark＆＃34;和＃34; fish＆＃34;，我希望所有句子都包含＆＃34; white＆＃34;，＆＃34; shark＆＃34;和＆＃34; fish＆＃34;。显然，使用Lucene，这可以通过布尔查询相当容易地完成;这就是我在代码中的表现：

String search =  str1+" "+ str2;
BooleanQuery booleanQuery = new BooleanQuery();
QueryParser queryParser = new QueryParser(...);
queryParser.setDefaultOperator(QueryParser.Operator.AND);
booleanQuery.add(queryParser.parse(search), BooleanClause.Occur.MUST);

但是，我也有一对搜索字符串，其中一个字符串是另一个字符串的子部分，例如＆＃34;木狼＆＃34;并且＆＃34;狼＆＃34;，在这些情况下，我想只得到包含＆＃34;狼＆＃34;至少两次（＆＃34;木材＆＃34;至少一次）。 Lucene有没有办法实现这个目标？非常感谢您的回答！

Answer 1

请记住，一个同时拥有＆＃34;木狼＆＃34;还有一只单独的“狼”＃34;因为术语＆＃34; wolf＆＃34;会得到更高的得分其他所有相等的发生两次，给予更高的tf分数。在大多数情况下，这样的结果是第一个可以接受，通常甚至是可取的。

那就是说，我相信你可以使用slop的短语查询获得你想要的东西，并且将slop设置得足够高。类似的东西：

"timber wolf wolf"~10000

对于大多数情况来说，这可能足够高。这需要wolf和timber之一的两个实例。

但是，如果您需要显示timber wolf（即，这两个术语相邻且按顺序排列），您需要放弃查询解析器，并自己构建相应的查询。 SpanQueries，具体而言。

SpanQuery wolfQuery = new SpanTermQuery(new Term("myField", "wolf"));
SpanQuery[] timberWolfSubQueries = {
    new SpanTermQuery(new Term("myField", "timber")),
    new SpanTermQuery(new Term("myField", "wolf"))
};
//arguments "0, true" mean 0 slop and in order (respectively)
SpanQuery timberWolfQuery = new SpanNearQuery(timberWolfSubQueries, 0, true);
SpanQuery[] finalSubQueries = {
    wolfQuery, timberWolfQuery
};
//arguments "10000, false" mean 10000 slop and not (necessarily) in order
SpanQuery finalQuery = new SpanNearQuery(finalSubQueries, 10000, false);

lucene，搜索包含一个术语两次的句子

1 个答案: