Question

我是Apache Solr的新手。我正在尝试为以下查询找出令牌生成器，过滤器和查询参数，但还无法确定是否可行（仍在阅读所有文档）：

我有两个字段-title和description。我们想在以下位置进行搜索：
1. title中的匹配比description中的匹配具有更大的相关性。
2.完整的单词匹配优先于所有其他单词（对于查询kit，kit优先于kitchen）。
3.以查询字段开头的索引条目优先于仅包含该字段的索引条目（对于查询goo，good优先于Magoo）。

这甚至可能吗？如果是这样，我该怎么办？

Answer 1

字段之间的加权不是令牌生成器或过滤器关心的问题-它们的工作是获取一些输入文本，将其拆分为令牌（令牌），然后通过一系列处理步骤（过滤器）运行它。 / p>

edismax and dismax query parsers有一个名为qf的参数，它允许您提供应查询的字段列表，并为每个字段提供单独的权重-允许您精确调整要查询的权重。给每个领域。 qf=title^5 description在title字段中的点击量比description中的字段高五倍-其他所有内容都是相同的（但它们通常是不相同的，因为您没有编制索引两个字段中包含相同的内容。

这就是评分不是一门精确科学的原因，因此，如果您想使用某种相关性评分（即，点击不同的单词会得到不同的评分），则必须调整这些权重以适合寻找您的排名。在调整得分时，将debugQuery=true附加到查询中非常有帮助，因为它将准确显示每个术语对文档的最终得分有多大贡献。

您的第一个条件title与description通过使用带有StandardTokenizer和小写过滤器的TextField来解决（取决于您要查找的内容，还可以选择词干，同义词等）。。

在下面给出的示例中，您（可能）还希望使用小写过滤器，但是为了使示例紧凑，我省略了它。

通过使用具有EdgeNGramFilter的第二种字段类型，然后具有使用该字段类型的两个新字段-title_edge和description_edge来解决第二种情况。

这和下面的NGramFilter示例都使用type="index"属性，因为通常只有在索引时扩展ngram才有意义。否则，以相同字母开头（或对于NGram过滤器，包含相同字母）的任何两个单词都将匹配。

<analyzer type="index">
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="40" />
</analyzer>
<analyzer type="query">
  <tokenizer class="solr.StandardTokenizerFactory"/>
</analyzer>

通过使用第三组字段title_ngram和description_ngram来解决第三个条件，这些字段的顺序为NGramFilter：

<analyzer type="index">
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.NGramFilterFactory"/>
</analyzer>
<analyzer type="query">
  <tokenizer class="solr.StandardTokenizerFactory"/>
</analyzer>

请注意，NGramFilter将导致生成很多令牌，需要更多的存储空间，并且在生成匹配项时使搜索处理更多的令牌。这可能与您的用例无关，也可能无关。

话虽这么说，但要匹配单词中的内部术语（尤其是非常短的字符串）要说些什么。他们可能会在用户无法理解为什么匹配文档的情况下给出结果，因为它可能在某处很小的匹配项（键入查询时为单个字母）。只需搜索“ c”以找到有关编程语言的内容，就会获得每个包含c的单词的匹配（但幸运的是，如果您对字段进行了适当的提升，则确切的匹配应该位于顶部）。 / p>

Apache Solr查询构建

1 个答案: