Lucene：跨查询比较结果答案

【问题标题】：Lucene: compare results across queriesLucene：跨查询比较结果
【发布时间】：2011-10-11 22:50:12
【问题描述】：

我需要比较不同 Lucene 查询中搜索结果的相关性。

实际上，我有一组已编入索引的文本文档，当在该集合上完成搜索时，我想返回的不是该集合中的 N 个最佳结果，而是所有符合“足够好”查询的结果。

这个“足够好”的参数是可配置的（比如在 0（文档绝对不相关）和 1（文档是可能的最佳匹配）之间），但我希望它以相同的方式影响所有查询。

根据我在互联网上的发现，这不是一项简单的任务。谁能给我一个关于如何解决这个问题的提示？

非常感谢！

【问题讨论】：

不确定您的意思？是否要限制查询结果？使用 Solr 很容易做到这一点。使用 Lucene 你需要编写一个自定义收集器：看这里stackoverflow.com/questions/2871558/…
感谢 Mikos，但正如 Shashikant Kore 的评论中所写的那样，分数与查询相关，因此我不能使用相同的阈值来衡量多个查询中结果的“好坏”。我正在研究以某种方式标准化分数的方法，以便这些标准化值在所有查询的“好”方面意味着相同。
啊！我想我更好地理解你的问题，但觉得这比 Lucene 本身更适合统计。您可能希望在统计数据中查找 ANOVA 或卡方检验，同时可能会帮助您使用结果文档分数数组确定跨查询的拟合优度。 HTH。

【解决方案1】：

我只是在寻找同样问题的答案。这是我环顾四周时发现的：

【讨论】：

【解决方案2】：

如果您想比较两个或多个查询，我找到了一种解决方法。您可以使用 LevenstheinDistance 或 LuceneLevenstheinDistance(Damerau) 类将得分最高的文档与查询词进行比较，以获得查询词和结果之间的距离。

结果是它们之间的相似性。对要比较的每个查询执行此操作。现在您有了一个工具，可以使用查询词的相似性和最高结果来比较您的查询。您现在可以选择相似度最高的查询，并将其用于下一步正确的操作。

//Damerau LevenstheinDistance
LuceneLevenshteinDistance d = new LuceneLevenshteinDistance();

similiarity = d.getDistance(queryterm, yourResult );

【讨论】：