Lucens 进行“开始”查询的最佳方式

Question

我希望能够进行以下类型的查询：

要索引的数据包括（比方说）只有标题有趣的音乐视频。 我只是想对这些进行索引，然后为它们创建查询，这样，无论用户在查询中使用什么单词或单词，包含这些单词的文档都将按顺序在图块的开头返回，然后（在没有特别的顺序）由在标题的任何位置包含至少一个搜索词的文档。此外，所有这些都应该不区分大小写。

例子：

对于文档：

• Video1Title = 海是蓝色的
• Video2Title = 野生海洋
• Video3Title = 野生海洋 随便
• Video4Title = 海边随便

如果我搜索“海”，我想得到 ​​p>

• “Video1Title = 海是蓝色的”

首先是所有其他标题中包含“sea”的文档，但不是在开头。

如果我搜索“Wild sea”我想得到

• Video2Title = 野生海洋
• Video3Title = 野生海洋 随便

首先是标题中包含“Wild”或“Sea”但没有“Wild Sea”作为标题前缀的所有其他文档。

如果我搜索“Seasi”，我什么都不想得到（我不关心关键字标记化和前缀查询）。

现在 AFAIKS，没有实际的方法可以告诉 Lucene“找到 word1 和 word2 等在位置 1 和 2 和 3 等位置的文档。”

有一些“变通方法”可以模拟这种行为：

• 索引该字段两次。在field1 中，您将单词标记化（可能使用StandardAnalyzer），在field2 中，您将它们全部聚集成一个元素（使用KeywordAnalyzer）。然后，如果您搜索类似：

  +(field1:word1 word2 word3) (field2:"word1 word2 word3*")

有效地告诉Lucene“文档的标题中必须包含word1或word2或word3，而且那些匹配“title以>word1 word2 word3

• 在索引字段时将“lucene_start_token”添加到字段的开头，以便 Video2Title = Wild sea 被索引为“title:lucene_start_token Wild sea”，其余的以此类推

然后进行如下查询：

+(title:sea) (title:"lucene_start_token sea")

并让 Lucene 返回标题中包含我的搜索词的所有文档，并对匹配“lucene_start_token+搜索词”的文档给予更高的分数

我的问题是，确实有更好的方法来做到这一点（也许使用PhraseQuery 和Term position）？如果不是，以上哪一项在性能方面更好？

Answer 1

您可以为此使用Lucene Payloads。您可以为字段值的每个术语提供自定义提升。

因此，当您为标题编制索引时，您可以开始使用 3 的提升因子（例如）：

标题：野生|3.0 生物|2.5 蓝色|2.0 海|1.5

标题：海洋|3.0 生物|2.5

以这种方式编制索引可以将最近的术语提升到标题的开头。

使用这种方法的主要问题是您必须自己标记化并“手动”添加所有这些提升信息，因为分析器需要以这种方式构造的文本 (term1|1.1 term2|3.0 term3)。

Answer 2

您可以做的是分别索引标题和每个标记，例如文本wild deep blue endless sea 将被索引为：

title: wild deep blue endless sea
t1: wild
t2: deep
t3: blue
t4: endless
t5: sea

如果有人查询“wild deep”，查询将被重写为

title:"wild deep" OR (t1:wild AND t2:deep)

这样您将始终找到所有匹配的文档（如果它们匹配title），但匹配t1..tN 标记将使相关文档得分更高。