Lucene：如何在第一次匹配后停止在当前文档中搜索答案

【问题标题】：Lucene: how to stop searching in the current document after the first matchLucene：如何在第一次匹配后停止在当前文档中搜索
【发布时间】：2012-02-04 01:10:10
【问题描述】：

标题可能有点含糊，但请耐心等待（我能找到的唯一类似问题是Solr: Search in multiple fields BUT STOP if documents match was found，但没有提供任何解决方案）。我的 lucene 文档具有以下结构：

FieldA (Store.YES, Index.ANALYZED), primary identification of an entity
FieldB (Store.YES, Index.ANALYZED), secondary identification(s) of an entity

FieldA 可以包含例如car 之类的字符串，其中FieldB 可以包含automobile、vehicle 等字符串。文档中可以有多个FieldB 字段。索引分析器是StandardAnalyzer，搜索分析器是KeywordAnalyzer（这似乎产生了最好的结果，不确定它是否是最好的方法）。 FieldA 中的标识符比FieldB 中的标识符更重要。

假设索引包含 3 个文档（带有 FieldA | FieldB 字段）：

"car"       | "vehicle" "automobile"
"car parts" | "parts, car"
"car shop"  | "shop, car"

到目前为止，一切都很好。现在问题出在哪里：

在查询"car"时，我想看到如下结果（分数是补的）：

car, score 1.0
car parts, score 0.9
car shop, score 0.9

FieldA 值为 "car" 的文档应首先显示，因为 FieldA 被认为更重要，并且查询与该值最匹配。实际上，会发生以下情况：

car parts, score 0.625
car shop, score 0.625
car, score 0.5073969

searcher.explain() 输出以下内容：（留下“汽车商店”的解释，因为它与“汽车零件”相同）

Explain: 0.625 = (MATCH) max of:
  0.31712303 = (MATCH) weight(fielda:car in 0), product of:
    0.71231794 = queryWeight(fielda:car), product of:
      0.71231794 = idf(docFreq=3, maxDocs=3)
      1.0 = queryNorm
    0.4451987 = (MATCH) fieldWeight(fielda:car in 0), product of:
      1.0 = tf(termFreq(fielda:car)=1)
      0.71231794 = idf(docFreq=3, maxDocs=3)
      0.625 = fieldNorm(field=fielda, doc=0)
  0.625 = (MATCH) fieldWeight(fieldb:car in 0), product of:
    1.0 = tf(termFreq(fieldb:car)=1)
    1.0 = idf(docFreq=2, maxDocs=3)
    0.625 = fieldNorm(field=fieldb, doc=0)
Explain: 0.5073969 = (MATCH) max of:
  0.5073969 = (MATCH) weight(fielda:car in 0), product of:
    0.71231794 = queryWeight(fielda:car), product of:
      0.71231794 = idf(docFreq=3, maxDocs=3)
      1.0 = queryNorm
    0.71231794 = (MATCH) fieldWeight(fielda:car in 0), product of:
      1.0 = tf(termFreq(fielda:car)=1)
      0.71231794 = idf(docFreq=3, maxDocs=3)
      1.0 = fieldNorm(field=fielda, doc=0)

TL;DR：对于这两个字段，提升 FieldA 将无济于事，因为所有 3 个文档都会得到提升。如何让lucene将最接近的匹配（本例中的“汽车”）排名最高？即遇到FieldA中的（更重要的）匹配后如何停止在当前文档中搜索？

【问题讨论】：

标签： java lucene

【解决方案1】：

使用 NOT 语法。

a:car^2 (+b:car -a:car)

这样在 b 中匹配的将被忽略，除非它们无法匹配 a。

【讨论】：

这解决了一个术语出现在两个字段上的问题，但一如既往地存在潜在问题。

【解决方案2】：

问题在于，在 fieldb 中，汽车仅在三个术语中的两个中找到，而在 fielda 中，汽车在所有三个术语中都存在。因此，在 fieldb 中与 car 的匹配得分更高，因为它具有更高的 idf（1.0 与 0.7123174 相比）

匹配的值本质上是：

idf * idf * fieldnorm * tf

fieldnorm 在哪里

lengthnorm * fieldboost

所以你可以看到 idf 非常重要。

实际上，如果您确实提升了字段 a 将起作用，因为与字段 b 上的匹配相比，字段 a 上的匹配会得到提升，并且在您的示例中，字段 b 上的匹配排名更高。

【讨论】：