Lucene的 - 長串

Question

我有一個指標，與現場「所屬」查詢，一些示例值：

• 「斯坦福大學醫學院，帕洛阿爾託，美國加利福尼亞州的」
• 「神經生物學研究所，醫學院，斯坦福大學，帕洛阿爾託，加利福尼亞州的學校」，
• ‘雜誌，哈佛大學，馬薩諸塞州波士頓的學校’，
• ‘布里格姆&婦女，醫學，馬薩諸塞州波士頓的哈佛大學校’
• 「哈佛大學，馬薩諸塞州劍橋」

等等...（底線是的隸屬關係都寫在多個方面，沒有明顯的一致性）

我查詢的單位欄索引使用「加州帕羅奧多斯坦福大學醫學院」（使用QueryParser）來查找斯坦福大學的所有相關文檔，我可能會因爲醫學院等的存在而獲得大量假+血統。 ：我不能使用短語查詢，因爲在構建關聯的方式中存在可變性）

我試過以下內容：

1. 通過用逗號分割一個空格（在這裏我沒有得到任何結果！）

2. 試圖提高（使用^）拆分搜索短語，促進最後的部分，如「帕洛阿爾託使用SpanNearQuery奧拓CA「，比起最初的短語來得更高。在這裏，我仍然得到很多假的+ ves。

對如何處理這有什麼建議？如果SpanNearQuery的方式去，任何想法，爲什麼我得到0結果？

Answer 1

這是我如何做的：

1. 添加常用的詞彙，如「大學」，「學校」，「藥」，「學院」等，以停用詞列表。

2. 對每個術語使用booleanquery，並將setMinimumNumberShouldMatch（）設置爲查詢字符串長度的75％。

最後，遍歷命中集電極和使用一個字符串比較算法等哈羅-溫克勒，萊文施泰因等用於第二級濾波。 （這很慢但確保精確度）。

希望這會有所幫助。

Answer 2

您是使用OR搜索而不是AND？

您可以使用QueryParser.setDefaultOperator()將默認運算符設置爲AND。將默認運算符設置爲AND應消除所有的誤報。但是，如果您的索引值爲"Stanford University School of Medicine, Palo Alto, CA ",，並且您正在搜索"Stanford University School of Medicine, Palo Alto, CA USA",（請注意額外的美國在查詢中。）

如果您的查詢的索引值不會超過索引值，應該解決你的問題。