在 Lucene 邻近查询中检索文本答案

【问题标题】：Retrieve text in Lucene proximity query在 Lucene 邻近查询中检索文本
【发布时间】：2017-06-14 06:28:32
【问题描述】：

我正在使用 Lucene 来索引一组句子。我的查询涉及两个“实体”，我创建了一个类似这样的邻近查询：

"EntityA EntityB"~22

我想检索包含这两个实体的所有句子，最大范围为 22 个字符。现在我想使用 Lucene Highlighter 来检索两个实体之间的单词。我正在使用这样的代码将内容拆分为片段，但我不知道如何将片段设置在两个实体之间的精确点。

for (int i = 0; i < numTotalHits; i++) {
            int id = hits[i].doc;
            Document doc = searcher.doc(hits[i].doc);
            String text = doc.get("content");
            TokenStream tokenStream = TokenSources.getAnyTokenStream(searcher.getIndexReader(), id , "content", analyzer);
            String[] frag = getFragmentsWithHighlightedTerms(analyzer, query, "content", text, 10, 10);

            for (int j = 0; j < frag.length; j++) {
                    System.out.println((frag[j].toString()));
            }

我的目标是检索实体内的文本，例如：

entity1 --> Canada
entity2 --> Ottawa
sentence --> Natural Resources Canada, Canadian Forest Service, Ottawa.
result --> , Canadian Forest Service,

【问题讨论】：

标签： solr lucene information-retrieval lucene-highlighter

【解决方案1】：

据我所知，“foo bar”~22 语法将创建一个带有 22 斜率的短语查询。 22 指定最多可以有 22 次移动，以使 2 个令牌以与查询中相同的顺序彼此靠近。 22 步将涉及与其他标记交换位置，并且与标记长度无关（在此上下文中，标记表示单词）。

一旦您使用短语查询检索到相关结果，我认为没有任何可靠的方法可以获取两个实体之间的整个片段。

如果您可以自己构建查询对象，我实际上会自己使用正则表达式查询，因为您已经提到了 22 个字符范围，并强调了这一点。然后，您可以轻松地从突出显示的文本中修剪 2 个实体。

【讨论】：