基于 Hibernate Search / Lucene 的排序问题

Question

我在排序时遇到问题，具体如下。

以前，代码写成

Sort sort = new Sort(new SortField[] {
   SortField.FIELD_SCORE,
   new SortField("field_1", SortField.STRING),
   new SortField("field_2", SortField.STRING),
   new SortField("field_2", SortField.LONG)
});

这是一个由stackoverflow答案粘贴的示例，用于自定义排序， Sorting search result in Lucene based on a numeric field.

虽然他不建议这是进行排序的正确方法，但这也是我公司多年来一直使用的代码。

但是当我创建一个新函数时，它需要对很多字段进行排序，并且通过执行单元测试，我发现它实际上并没有按预期工作。

我需要删除 SortField.FIELD_SCORE 以使其正常工作。如果我理解正确的话，我认为这里描述的示例建议了这一点，https://docs.jboss.org/hibernate/search/4.1/reference/en-US/html_single/#d0e5317。

即主代码将转换为

Sort sort = new Sort(new SortField[] {
   new SortField("field_1", SortField.STRING),
   new SortField("field_2", SortField.STRING),
   new SortField("field_2", SortField.LONG)
});

所以我的问题是

1. SortField.FIELD_SCORE 有什么用？字段分数如何计算？
2. 为什么显示 SortField.FIELD_SCORE 有时会返回正确的值，有时却不返回？

Answer 1

SortField.FIELD_SCORE 的用途是什么？字段分数如何计算？

当您搜索包含单词的文档时，每个文档都会被分配一个“分数”：float 值，通常为正数。该值越高，匹配越好。这是如何精确计算的is a bit complex，当您有多个嵌套查询（例如布尔查询等）时，情况会变得更糟，因为随后分数会与其他公式相结合。可以这么说：分数是一个数字，每个文档都有一个值，越高越好。

SortField.FIELD_SCORE 将简单地按分数降序对文档进行排序。

为什么呈现 SortField.FIELD_SCORE 有时会返回正确的值，有时却不会？

很难说。这取决于很多事情，例如您的分析器、您正在运行的确切查询，甚至是文档中搜索词的频率。就像我说的，用于计算分数的公式很复杂。

但是，在您的排序中突出的一件事是您按分数排序和按实际字段。这不太可能运作良好。分数通常是唯一的，因此除非您的文档非常相似（例如，由于某种原因，所有文本字段都是空的），否则排名靠前的文档将具有这样的分数：[5.1, 3.4, 2.6, 2.4, 2.2]。它们的顺序已经“完成”：您可以添加任意数量的后续排序，顺序不会改变，因为它完全由按分数排序定义。

想想字母顺序：如果我必须对["area", "baby"]进行排序，“baby”的第二个字母可能是“a”，但这没关系，因为第一个字母是“b”，它总是会在“area”的“a”之后。

因此，如果您对按分数排序不感兴趣（而且，如果您不知道分数是什么，那么您很可能确实不感兴趣），请坚持按字段排序：

Sort sort = new Sort(new SortField[] {
   new SortField("field_1", SortField.STRING),
   new SortField("field_2", SortField.STRING),
   new SortField("field_2", SortField.LONG)
});

如果您对按分数排序感兴趣，那么只需按分数排序：

Sort sort = new Sort(new SortField[] {
   SortField.FIELD_SCORE
});

// Or equivalently
Sort sort = Sort.RELEVANCE; // "Relevance" means "sort by score"

---

请注意，Hibernate Search 4.1（您的文档链接的版本）非常旧；您应该考虑至少升级到 5.11（类似的 API，也很旧，但仍在维护），最好升级到 6.0（不同，但更现代的 API，新的和维护的）。