Question

我正在对InnoDB表运行FULLTEXT搜索，查找短语而不是单独的关键字。例如。搜索“ foo bar”作为两个词的短语，而不是分别搜索“ foo”和“ bar”。

这是我的测试数据：

+----+-------------------------------------------------------------------------------+
| id | content                                                                       |
+----+-------------------------------------------------------------------------------+
|  1 | example foo text bar                                                          |
|  2 | default value foo foo server                                                  |
|  3 | default value foo foo server bar foo test                                     |
|  4 | process foo bar potato integer text bar bar content foo foo value bar foo foo |
|  5 | foo bar demo string value foo bar music foo bar most foo bar                  |
+----+-------------------------------------------------------------------------------+

这是我的测试查询：

SELECT *, MATCH(content) AGAINST ('"foo bar"' IN BOOLEAN MODE) AS score
FROM test
WHERE MATCH(content) AGAINST ('"foo bar"' IN BOOLEAN MODE)

问题是结果：

+----+-------------------------------------------------------------------------------+--------------------+
| id | content                                                                       | score              |
+----+-------------------------------------------------------------------------------+--------------------+
|  4 | process foo bar potato integer text bar bar content foo foo value bar foo foo |  0.948742687702179 |
|  5 | foo bar demo string value foo bar music foo bar most foo bar                  | 0.8314893841743469 |
+----+-------------------------------------------------------------------------------+--------------------+

如您所见，第5行包含短语“ foo bar”四次，而第4行仅包含一次，但第4行的排名高于5。看起来该排名似乎忽略了短语要求。

有人知道如何使它正常工作吗？

Answer 1

我怀疑这是短语的怪癖。以下documentation属于我所见过的最不一致的语言之一：

包含在双引号（“）字符中的短语匹配仅包含按字面意思输入的短语的行。 全文引擎将短语分解为单词，并在其中进行搜索单词的FULLTEXT索引。非单词字符不必是完全匹配：词组搜索仅要求匹配包含与短语完全相同的单词，并且顺序相同。

第一句话与其余说明直接冲突。我强调了我认为重要的部分。

所以，我推测。 MySQL在单词级别进行短语匹配。因此，结果中会有更多的“ foo”和“ bar”，而没有“ foo bar”。还有一些额外的机制可以确保该对实际上位于结果集中，但这不会影响得分。

您可以做的一件事是您自己的订购：

order by length(content) - length(replace(content, 'foo bar', '')) desc

这会在内容中明确查找“ foo bar”，并按该值排序。

Answer 2

我认为（没有任何文档参考）排名也取决于整个文本的长度。人们可以争论很多事情；尽量不要将期望值过高。

我尝试了7个版本的MySQL / MariaDB，并获得了6套不同的“得分”。因此，我强烈建议您不要非常认真地对待任何单分数。但是，他们确实以相同顺序对4个“ foo bar”案例进行了排名。（我扩展了您的测试用例，以进一步改变长度。）

MySQL InnoDB FULLTEXT搜索短语搜索排名

2 个答案: