Question

我在如何构建Solr查询方面遇到一些困难，或者如何设置架构以使我们的网上商店中的搜索更好地工作。

首先是一些配置（Solr 4.2.1）

<field name="mfgpartno" type="text_en_splitting_tight" indexed="true" stored="true" />
<field name="mfgpartno_sort" type="string" indexed="true" stored="false" />
<field name="mfgpartno_search" type="sku_partial" indexed="true" stored="true" />

<copyField source="mfgpartno" dest="mfgpartno_sort" />
<copyField source="mfgpartno" dest="mfgpartno_search" />

<fieldType name="sku_partial" class="solr.TextField" omitTermFreqAndPositions="true">
    <analyzer type="index">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.WordDelimiterFilterFactory" preserveOriginal="1" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="1" splitOnCaseChange="1"/>
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.TrimFilterFactory" />
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="false"/>
        <filter class="solr.NGramFilterFactory" minGramSize="4" maxGramSize="100" side="front" />
        <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.TrimFilterFactory" />
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="false"/>
    </analyzer>
</fieldType>

让我将其分解为几个阶段（我只会进行足够的重复以解决问题 - 初始阶段不是使用edismax，这是我们选择使用的我们的网站）：

q=DV\-5PBRP＆lt; - 使用此查询，我得到18个结果，但不是我要查找的结果（这很可能是对产品名称字段的默认df搜索 - 细）
q=mfgpartno_search:DV\-5PBRP＆lt; - 这给了我一个我想要的结果，但是由于我需要在网站上建立查询，如果我可以使用{ {1}}参数，如第1阶段。
q＆lt; - 这也为我提供了我正在寻找的1个结果，但由于网站搜索q=DV\-5PBRP&defType=edismax&qf=mfgpartno_search需要跨越更多字段。因为我需要搜索更多字段（实际qf = qf）以获得更准确的搜索，所以我实施了第4阶段。
productname_search shortdesc_search fulldesc_search mfgpartno_search productname shortdesc fulldesc keywords＆lt; - 通过此测试，我得到0个结果 - 尽管这对我们网站上的大多数搜索都有效。

我对搜索的一个大问题是像破折号这样的特殊字符，有时候必须是字面的，有时候会像产品名称或描述一样充当分隔符。有时人们甚至会在零件号搜索中用空格搜索或替换短划线，它仍应显示相关数据。

我有点坚持如何让这个特殊字符搜索工作 - 特别是因为它与这个mfgpartno_search字段有关。我如何配置架构或查询（或两者）以使其正常工作？

Answer 1

也许您可以尝试使用正则表达式模式标记器，并为您的文章编号制作合适的正则表达式。 Lucene（Solr建立在其上）非常注重散文的标记化。

你想要的是N-gram分裂，以及1克？也许破折号用空格替换，比如

DV-5PBRP - ＆gt; {DV 5PBRP，DV，5P，BR，PB，RP，D，V，5，P，B，R}

正如您所看到的，对于非常小的字段，索引会非常大。确保结果的排名对较大的ngrams加权。

我认为您应该删除商品编号字段的停用词列表。

N-gram大小应该从1或2开始。

只需确保各种分析仪不会：

吞下破折号
删除单个或几个字符（这些字符通常位于停用词列表中）
删除数字

Answer 2

如果您使用的是HTTP get方法，请对其进行编码并使用

发送

URLEncoder.encode(searchWord,"UTF-8")

这是java的情况。如果您不使用java，请尝试相应的编码代码。这将有助于我们避免＆＃34; space＆＃34;，＆＃34; /＆＃34;喜欢的问题

Answer 3

好吧，我认为这个问题被过度考虑了。

我假设（基于我的配置）示例部件号可能被编入索引：

DV-5PBRP -> {DV 5PBRP, DV5PBRP, DV-5PBRP} + NGrams

我还假设搜索“DV-5PBRP”（文字短划线）会匹配第三个选项（在我的问题中使用像＃4这样的查询）。

昨天我再次被同一个用户警告过这个问题，我想我们试着在搜索中删除分隔符。所以现在搜索已成为：

q=DV5PBRP&defType=edismax&qf=mfgpartno_search&q.op=AND

我得到了我想要的结果，这意味着我的solr配置至少给了我一个像第二个索引选项的索引。

现在，在将搜索提交到SOLR之前，我已经开始从用户输入中修剪分隔符。这看起来很漂亮！

零件号中的Solr搜索破折号

3 个答案: