我希望能够进行以下类型的查询：
要索引的数据包括我只是想索引这些，然后为它们创建查询，这样，无论用户在查询中使用了什么词，包含这些词的文档，按照这个顺序，在瓷砖的开头，将首先返回，在标题的任何位置都包含至少一个搜索词的文档（没有特定的顺序）。所有这些都应该不区分大小写。
范例：
对于文件：
- 影片名称：海是蓝色的
- Video2Title =狂野的大海
- 视频3Title：狂野的海洋
- Video4Title =海滨
如果我搜索“海”，
- “Video1Title =海是蓝色的”
首先是所有其他文件，包含“海”的标题，但不是在开头。
如果我搜索“狂野大海”，
- Video2Title =狂野的大海
- 视频3Title：狂野的海洋
第一个是所有其他标题中有“Wild”或“Sea”但没有“Wild Sea”作为标题前缀的文档。
如果我搜索“Seasi”，我不想得到任何东西（我不关心关键字标记和前缀查询）。
现在AFAIKS，没有实际的方法告诉Lucene“找到word1和word2等在位置1和2和3等的文档”。
有一些“变通方法”可以模拟这种行为：
- 索引字段两次。在
field1中，您将单词标记化（可能使用StandardAnalyzer），而在field2中，您将它们全部聚集到一个元素中（使用KeywordAnalyzer）。然后，如果您搜索以下内容：
+（field1：word1 word2 word3）（field2：“word1 word2 word3*”）
有效地告诉Lucene“文档必须在标题中包含word1或word2或word3，而且那些匹配“标题以>word1 word2 word3<开头”的文档更好（获得更高的分数）。
- 在索引它们时，在字段的开头添加“lucene_start_token”，这样
Video2Title = Wild sea就被索引为“title:lucene_start_token Wild sea“，其余的依此类推
然后做一个查询，这样：
+（title：sea）（title：“lucene_start_token sea”）
让Lucene返回所有在标题中包含我的搜索词的文档，并且给予那些匹配“lucene_start_token+搜索词”的文档更好的分数。
那么我的问题是，是否真的有更好的方法来做到这一点（也许使用PhraseQuery和Term位置）？如果没有，上面哪一个更好的性能？
3条答案
按热度按时间vbkedwbf1#
你可以使用Lucene Payloads来实现，你可以为字段值的每一个项给予自定义的提升。
所以，当你索引你的标题时，你可以开始使用3的提升因子（例如）：
标题：野生| 3.0生物| 2.5蓝色| 2.0海| 1.5
标题：海| 3.0生物| 2.5
索引这种方式，你是提高最接近的条款开始的标题。
使用这种方法的主要问题是，您必须自己进行标记，并“手动”添加所有这些boost信息，因为分析器需要以这种方式（term1）结构化文本|1.1术语2| 3.0项3）。
jtoj6r0c2#
你可以做的是分别为标题和每个token建立索引，例如文本
wild deep blue endless sea的索引如下：字符串
然后，如果有人查询“wilddeep”，则查询将被重写为
型
这样，您将始终找到所有匹配的文档（如果它们匹配
title），但匹配的t1..tN令牌将为相关文档评分更高。tv6aics13#
应该创建一个KeywordField或StringField字段，并使用PrefixQuery进行搜索。
关于PrefixQuery：
匹配包含具有指定前缀的术语的文档的查询。PrefixQuery由QueryParser为app* 之类的输入构建。
关于KeywordField：
该字段将每个文档的String或BytesRef索引为倒排索引以进行快速筛选，使用DocValuesType.SORTED_SET文档值以分栏方式存储值以进行排序和分面处理，并可选择将值存储为存储字段以进行最常用项检索。此字段不支持评分：查询生成常量评分。如果需要更精细的控制，可以使用StringField ...
关于StringField：
已索引但未标记化的字段：整个String值作为单个标记进行索引。