在 Lucene 中嵌套搜索而不重复关键字

Question

我想使用以下逻辑在 Lucene（实际上是 Lucene.NET，但我可以根据需要从 Java 转换）中设置搜索：

1. 搜索字符串为：A B C
2. 在索引中的一个字段中搜索与 A、B 或 C 匹配的任何内容。（查询：(field1:A field1:B field1:C)）
3. 对于在第 2 步中不匹配的每个字词，在第二个字段中搜索它，同时保留第一次搜索的结果（查询：(+(field1:A) +(field2:B field2:C))）
4. 对于在步骤 3 中不匹配的每个字词，搜索第三个字段...
5. 继续直到字段用完，或者搜索已用完所有术语。

目前，我的代码可以测试给定的搜索是否产生 NO 结果，并将所有产生结果的搜索结果组合在一起。但是在它对每个字段进行测试之前我没有办法阻止它（这不必要地限制了结果） - 它目前以如下查询结束：(+(field1:A field1:B field1:C) +(field3:A field3:B field3:C)) 当我希望它是(+(field1:A field1:C) +(field3:B)) 时。我不能只查看第一次搜索的结果并从搜索字符串中删除单词，因为分析器在解析搜索时会破坏单词，我无法解开它们以找出原始的它对应的搜索词。

有什么建议吗？

---

编辑： 好的，通常我更喜欢抽象地描述我的问题，但我认为其中的某些部分在这个过程中会丢失，所以我会更具体。

我正在为需要多层搜索逻辑的网站构建搜索引擎。我将追踪的一些示例搜索是：

1. 耳机
2. 怪兽耳机
3. 白色怪兽耳机
4. 白色 Foobar 耳机

索引包含具有七个字段的文档 - 与此示例相关的是：

• “datattype”：一个字符串，表示该文档所代表的项目类型（产品、类别、品牌），因此我们知道如何显示它
• “品牌”：相关的品牌（类别有多个品牌，产品和品牌各有一个）
• “路径”：给定类别的路径（即“音频 > 耳机 > 入耳式”的“音频耳机入耳式”）
• “关键词”：描述产品的各种不同之处。

总的来说，搜索的每一步的逻辑如下：

1. 检查我们是否有匹配项。
2. 如果是，请根据匹配项过滤结果，并在下一步中继续解析其余搜索词。
3. 如果没有，请在下一步中解析搜索词。

每个步骤都类似于：

• 搜索类别
• 搜索品牌
• 搜索关键字

以下是这三个示例搜索的结果：

1. 耳机
   • 搜索类别：+path:headphones +datatype:Category
   • 有匹配项（耳机类别），原始查询中没有留下任何单词，因此我们将其返回。
2. 怪物耳机
   • 搜索类别：`+(path:monster path:headphones) +datatype:Category
   • 找到了 path:headphones 和 datatype:Category 的匹配项，导致“Monster”不匹配
   • 搜索品牌：+path:headphones +brand:monster
   • 找到了 path:headphones 和 brand:monster 的匹配项，原始查询中没有留下任何单词，因此我们将 Monster 的所有耳机​​归还。
3. 白色怪物耳机
   • 搜索类别：+(path:monster path:headphones path:white) +datatype:Category
   • 找到了 path:headphones 和 datatype:Category 的匹配项，导致“White”和“Monster”不匹配
   • 搜索品牌：+path:headphones +(brand:monster +brand:white)
   • 找到了 path:headphones 和 brand:monster 的匹配项，“白色”不匹配
   • 搜索关键字：+path:headphones +brand:monster +keywords:white
   • 有匹配项，原始查询中没有留下任何单词，因此我们返回它们。
4. 白色 Foobar 耳机
   • 搜索类别：+(path:foobar path:headphones path:white) +datatype:Category
   • 找到了 path:headphones 和 datatype:Category 的匹配项，“White”和“Foobar”不匹配
   • 搜索品牌：+path:headphones +(brand:foobar +brand:white)
   • 没有找到，所以我们继续。
   • 搜索关键字：+path:headphones +(keywords:white keywords:foobar)
   • 找到了 path:headphones 和 keywords:white 的匹配项，导致“Foobar”不匹配
   • ...（继续搜索其他字段，包括产品描述）...
   • 仍有未匹配的搜索词（“Foobar”），返回“未找到结果”

我的问题是双重的：

1. 我不希望在一切都匹配后继续匹配（只有产品有描述，所以一旦达到该步骤，我们将永远不会返回不是产品的东西）。我可以使用来自here 的denis 的GetHitTerms 来管理这个问题，但我最终会在所有后续字段中搜索第一个匹配的术语，直到所有内容都匹配（即在示例#2 中，我将拥有+path:headphones +(brand:headphones brand:monster)）。李>
2. 尽管上面有我的示例，但我在路径字段上的实际搜索查询看起来像+path:headphon +datatype:Taxonomy，因为我正在修改它以进行搜索。所以我不能把匹配的词从原始查询中删除（因为“headphon”！=“headphones”）。

希望这能让我更清楚我在寻找什么。

Answer 1

我不了解您的用例，但您听起来像是在询问 BooleanQuery API。您可以通过调用getClauses 来获取查询的子句。

一个简单的例子：

BooleanQuery bq = new BooleanQuery();
bq.add(new TermQuery(new Term("field1","a")), BooleanClause.Occur.SHOULD)
bq.add(new TermQuery(new Term("field1","b")), BooleanClause.Occur.SHOULD)

BooleanClause[] clauses = bq.getClauses();

---

编辑：也许您只是要求搜索算法。在伪代码中：

generate_query (qs_that_matched, qs_that_didnt_match, level):
   new_query = qs_that_matched AND level:qs_that_didnt_match
   qs_still_unmatched = ...
   qs_which_just_matched = ...
   if qs_still_unmatched != null:
      return generate_query(qs_that_matched AND qs_which_just_matched, qs_still_unmatched, level+1)
   else:
      return qs_that_matched AND qs_which_just_matched

Answer 2

最后，我构建了一个 QueryTree 类并将查询存储在树结构中。它存储对接受查询的函数的引用、要注入该查询的术语列表、是否应该与或或这些术语，以及子项列表（表示匹配项的唯一组合）。

要执行下一级搜索，我只需在树中最深的节点上调用Evaluate(Func<string, QueryParser.Operator, Query> newQuery)，并引用一个函数，该函数采用术语和运算符并为该组逻辑返回正确的查询。然后，Evaluate 函数针对已传递给它的不匹配术语列表和所有祖先查询的结果集（通过与父项进行与，与父项进行与等等）测试该新查询。然后，它使用GetHitTerms 为每组匹配项创建子项，并将不匹配的项提供给子项。对每个级别的搜索重复。

---

我怀疑有更好的方法来做到这一点 - 我什至没有研究 Xodarap 提到的 Bobo，而且我从来没有真正得到分面搜索（根据丹尼斯）的工作。但是，它正在工作，这意味着是时候转移到网站的其他方面了。