减少类似的顶部结果导致solr结果输出

Question

我在solr中搜索了大约1500个文档。这些文件基本上都是产品。例如，我的数据集中有一堆女鞋。我的数据集有各种各样的女鞋，但它也有一些非常相似的结果，例如11号女子运动员，10号女子运动员等......现在，当我搜索女鞋时，solr得分导致这些结果中的某一组气泡到顶部，这些结果都非常相似。例如，一个特定鞋型的所有颜色都可能出现在顶部。它们绝对是不同的产品，但我希望获得比各种颜色的耐克教练鞋更多种类的结果。

有没有人有任何建议？注意，我不想消除所有单独颜色的产品。当有人搜索蓝色女子训练师时，我希望他们将蓝色模特作为最佳成绩。我正在使用dismax查询作为我的主要查询。我想做的是基本上提升某种“与其他结果相比的名称的唯一性”因素。

Answer 1

您可以在颜色等字段上折叠：

http://wiki.apache.org/solr/FieldCollapsing

或者您可以在编制索引时使用近似重复检测：

http://wiki.apache.org/solr/Deduplication

http://karussell.wordpress.com/2010/12/23/detect-stolen-and-duplicate-tweets-with-solr/

后一种算法在jetwick中用于推文，所以它应该适用于标题，但对于大文档来说效果不够（所以只能检测“短”字符串的抄袭）。对于长文本，您需要本地敏感哈希：

http://en.wikipedia.org/wiki/Locality_sensitive_hashing