如何让 Lucene 评分来解释搜索词中未指定的单词？

Question

我要问的可能有一个名字，它与贝叶斯统计有关。

我有一个街道地址数据库，并且我正在使用 Lucene 来匹配用户输入的地址（如果您需要类比，请假装我为 Google 地图工作）。

鉴于“West North Avenue”和“West North Shore Avenue”都是有效的街道名称，在搜索“1000”时，如何让 Lucene 的“2000 West North Avenue”得分高于“1000 West North Shore Avenue” ^0.001 西北大道”？

1000^0.001 的意思是，应该使用该号码来打破平局，但是匹配街道名称比匹配正确的号码与错误的街道更重要。

不幸的是，在这个例子中，1000^0.001 导致错误的匹配（北岸）领先于正确的匹配。

什么评分算法可以让 Lucene 向下调整分数，因为没有在搜索中指定索引词，稀有词比常见词更重要？

Answer 1

我会通过仔细标记街道名称来解决这个问题。例如，您可以这样做：

1. 将编号和街道名称提取到两个不同的字段 street_nb、street_nm。并将它们单独编入索引。
2. 现在为您的查询使用两个子句，一个是必须以 street_nb 为目标，另一个应该。所以你要确保街道名称单独匹配，然后如果名称匹配，那就更好了。
3. 除此之外，您还可以做不同的事情，例如使用短语强制街道名称完美匹配等。尝试各种变体，直到获得好的结果。