solr 分数文档，无论术语的频率如何，所有术语都相同

Question

我对如何从 solr 排序返回结果有一个要求。在高层次上，它们应该如下所示：

• subset1 字段的完全匹配，按日期排序
• subset2 字段的完全匹配，按日期排序
• subset1 字段的部分匹配按日期排序
• subset2 字段的部分匹配按日期排序
• subset1 字段的模糊匹配按日期排序
• subset2 字段的模糊匹配按日期排序

目前我正在排序 solr 分数，然后是日期。当我查询 solr 时，我使用了一个 boost 函数，它对旧文档进行反向提升，因此它们被向下移动，而新文档也“浮动”到顶部，并且我正在提升适当的字段，以便我得到精确、部分和以正确的顺序进行模糊匹配。这让我大部分时间到达那里。

现在是棘手的部分。该要求规定，如果我搜索“red ford truck”之类的内容，则包含“red ford truck”的文档，无论术语的频率如何，都应该得到相同的评分。将较新的文档提升到顶部不会对分数产生足够的影响，无法将具有较高词频的文档推到足够低的程度。

例如，假设我有 2 个文档： 文档 1：

• Field1：“红色福特卡车真的很红，而且是一辆快车”
• 日期：2010 年 1 月 1 日

文档 2：

• 字段 1：“红色福特卡车停在街上”
• 日期：2012 年 1 月 10 日

当我搜索“red ford truck”时，我希望文档 2 首先出现，因为它较新并且包含所有查询词。当前文档 1 将首先出现，因为它在 Field1 中有更多匹配项，并且反向提升不足以将其向下推。

所以现在我的问题是 solr 中是否有一个配置点来告诉它在查询的术语上只匹配一次文档？有点像 T-SQL 中的 Exists。

如果有任何其他有用的信息，请告诉我，并提前感谢您的时间。

Answer 1

由于术语频率和字段长度，这些分数不同。

omitNorms 似乎您正在寻找有关字段长度的内容。查看this 之前的答案，并记住该字段的索引时间提升也将被禁用：

如果为真，则省略与该字段相关的规范（这会禁用 字段的长度标准化和索引时间提升，并保存 一些记忆）。

omitTermFreqAndPositions 似乎是您正在寻找的关于词频的内容：

如果为真，则从帖子中省略词频、位置和有效负载 对于这个领域。这对于不支持的字段可能会提高性能 需要该信息。它还减少了所需的存储空间 为索引。依赖于发出的位置的查询 使用此选项的字段将默默地无法找到文档。这 对于所有非文本字段的属性，属性默认为 true。