Solr：如何解决这个用户案例答案

【问题标题】：Solr : How to solve this user caseSolr：如何解决这个用户案例
【发布时间】：2015-03-04 09:23:08
【问题描述】：

在 Solr 4.* 中，假设我有字段 "mytext"。

“mytext”中的第一条记录是“working at ABC”。
“mytext”中的第二条记录是“working at ABC project ABC”。

现在当我搜索“Working at ABC”时，文档序列是

文档 1：“Working at ABC project ABC”

文档 2：“Working at ABC”

虽然根据计算它是有意义的，但第二个文档应该在顶部，因为它包含两次“ABC”（第二个文档的 TF 更高）。

但从用户的角度来看，当查询输入“在 ABC 工作”时，结果应该是

"Working at ABC"

"Working at ABC project ABC"

我该如何处理这种情况。 仅当“公司”和“项目”有重叠数据时才会出现此项目。就像在这种情况下它的“ABC”。

谢谢

阿米特·阿加瓦尔

【问题讨论】：

你必须问自己为什么doc2应该有更高的排名？它对用户更有意义，但为什么呢？否则你会一直循环下去，在另一种情况下你会遇到相反的情况。
你总是可以覆盖模式文件中的相似性类，并提供你自己的实现来计算TF、IDF、范数等。我通常在有奇怪情况时这样做。

标签： solr lucene lucene.net solr4

【解决方案1】：

您可以为该字段设置omitTermFreqsAndPositions=true。只要包含规范，内容较短的字段将比内容较长的字段排名更高。

【讨论】：

我会用这个字段重新索引 solr .. 我想这可能是我的答案......我会让你知道 .. 谢谢

【解决方案2】：

而不是更改 schema.xml 。我覆盖了始终返回 1 的 TF 函数。因此不受词频的影响。

如果有人在短字段上使用 Solr，那么这是我的自定义类

private static float ARR[] = { 0.0f, 1.5f, 1.25f, 1.0f, 0.875f, 0.75f, 0.625f, 0.5f, 0.4375f, 0.375f, 0.3125f};

  /** 
   * Implemented as a lookup for the first 10 counts, then
   * <code>1/sqrt(numTerms)</code>. This is to avoid term counts below
   * 11 from having the same lengthNorm after being stored encoded as
   * a single byte.
   */
  public float lengthNorm(FieldInvertState state) {
    int numTerms = state.getLength();
    String fieldName = state.getName();

    System.out.println("field is " + fieldName  + "   number of terms are  " + numTerms);
    if( numTerms <= 10 ) {
      // this shouldn't be possible, but be safe.
      if( numTerms < 0 ) { numTerms = 0; }

      return ARR[numTerms];
    }
    //else
    return (float)(1.0 / Math.sqrt(numTerms));
  }

  // For short fields , term frequency does not always lead to relevancy so returning 1.0 
  @Override
  public float tf(float freq) {
      return (float) 1.0;
  }

【讨论】：