Lucene：至少是查询

Question

我正试图找出是否有办法在lucene中搜索，找到所有文档，其中至少有一个单词与某个特定单词不匹配。

E.g。我想找到除“test”之外至少有一个单词的所有文档。即“测试”可能存在或不存在但应至少有一个词而不是“测试”。在Lucene有办法做到这一点吗？

感谢， Purushotham

Answer 1

Lucene可以做到这一点，但这不是一个好主意。

查询执行的性能受两个因素的影响：

1. 将查询与术语词典相交的时间，
2. 检索每个匹配字词的文档的时间。

高性能查询是可以与术语词典快速交叉的查询，并且只匹配几个术语，因此第二步不会花费太长时间。例如，为了禁止过于复杂的布尔查询，Lucene默认将子句数限制为1024.

使用TermQuery，术语词典相交需要（默认情况下）O(log(n))操作（其中n是术语词典的大小）在内存中，然后在磁盘上进行一次随机访问以及最多16个术语的流式传输。另一个例子是blog entry from Lucene committer Mike McCandless，它描述了当第一步的暴力实现被更聪明的东西取代时，FuzzyQuery性能如何得到改善。

但是，您所描述的查询需要检查术语词典的每个术语，并且只关闭“测试”文档集中的文档！

您应该提供有关用例的更多详细信息，以便人们可以考虑更有效地解决您的问题。

Answer 2

如果您需要具有单个否定条件的查询，则使用带有MatchAllDocsQuery的BooleanQuery和带有occurrence = MUST_NOT的TermQuery。无法另外强制执行存在约束（“必须包含至少一个未排除的术语”）。一旦检索到Lucene的结果，您就必须单独检查。根据Lucene返回的所有结果的有利结果的比例，这种解决方案可以从完全精细到性能灾难。