对 Solr/Lucene 来说相当陌生。我有一个简单的要求，不确定配置 solr 是否容易做到这一点。
假设所有文档只有一个文本字段，未标记。
当查询进来时，我希望结果按匹配（包含）文本的百分比排序。百分比由len(query)/len(matched text field)计算
例如，有三个文档，文本字段如下：
doc1: abcdefghij
doc2：abcdefgh
3：ABC
如果搜索词是“cde”，则匹配文档 1 和文档 2（文本字段包含搜索词）。
对于文档 1，匹配百分比 = 3/10=30%
对于文档 2，匹配百分比 = 3/8=37.5%
所以结果应该是：
doc2
文档1
这有意义吗？如何使用 solr 实现？
谢谢。
【问题讨论】：
您可以覆盖 Lucene 评分。
扩展org.apache.lucene.search.DefaultSimilarity，定义您的自定义评分算法。
很多 DefaultSimilarity 方法你可能只想存根，比如 idf（只返回 1），这样更复杂的评分元素不会影响你的结果。
然后在 solr 中的 schema.xml 中添加一行，将其配置为使用您的评分类，例如：
<similarity class="com.mycompany.MySimilarity" />
这里有一些关于评分工作原理的信息，请在此处查看：Lucene Scoring。那里还有一些关于添加自定义功能的资源，这可能有助于组合一个可用的 Similarily 类。
不过，老实说，特别是如果您是 Lucene/Solr 的新手，那么获得一些默认评分的经验可能会更好。它工作得很好，你把它扔掉会删除很多有价值的功能。
编辑：
注意，这提供了一种可能的（虽然不是很漂亮）实现相似性的方法。再往下看另一种方式。您仍然需要自定义相似度，但它更简单。
好的，这就是一个尝试。我还没有测试过它（现在还不能这样做），但也许它会为你指明正确的方向。
可能最简单的方法是为每个字段存储一个规范来编码术语的长度。为此，请覆盖 computeNorm，并返回取自第二个参数的长度的倒数。
为了计算您指定的精确评分，您需要访问匹配的查询词，或者它的长度。两者都不是很容易。您可能会找到一种方法，或者您可以手动将该值传递给相似性类。由于您只需要按照您指定的顺序获取值，因此说明您的要求的另一种方式是“从最短到最长的顺序结果”。我们已经使用 computeNorm 实现了这一点。
然后你只需将其余部分剔除，从而产生以下内容：
float computeNorm(String field, FieldInvertState state) {
int length = state.getOffset() - state.getPosition();
return 1.0 / (float)length;
}
float coord(int overlap, int maxOverlap) {
return 1;
}
float idf(int docFreq, int numDocs) {
return 1;
}
float tf(float freq) {
return 1;
}
float queryNorm(float sumOfSquaredWeights) {
return 1;
}
float sloppyFreq(int distance) {
return 1;
}
float lengthNorm(string fieldName, int numTerms) {
return 1;
}
注意：范数是在文档被索引时计算的，所以插入文档时必须使用这个相似度才能生效。查询时间为时已晚，无法设定标准。由于压缩，它也非常近似。
一种更简单的方法（也许）：
你知道，现在我想起来了，因为相同的排序是通过从最短到最长排序来获得的，你可以在没有新的相似性类的复杂性的情况下做到这一点。 当您添加文档时，您可以应用字段级提升来完成同样的事情。只需将这些术语中的每一个提升 1/length 或一些类似的方法。
如果您插入 abcde，则对该字段应用 1/5 的提升。
完成后，您甚至可以像“term:abc*^3”一样进行查询，这将允许您获得之前指定的百分比分数（尽管效果几乎相同，只有一个查询词)。
我认为如果你使用这样的提升来得分，你应该能够在 CustomSimilarity 中剔除所有内容。 'idf' 和 'tf' 可能是在这种情况下您真正需要担心的全部覆盖。
【讨论】：