Lucene：使用默認運算符搜索多個字段= AND

要允許用戶使用Lucene 3.5在多個字段中進行搜索，我當前爲要搜索的每個字段創建並添加QueryParser至DisjunctionMaxQuery。這在使用或作爲默認操作員時很有用，但我現在想要將默認操作員更改爲和以獲得更準確（更少）的結果。Lucene：使用默認運算符搜索多個字段= AND

問題是，queryParser.setDefaultOperator(QueryParser.AND_OPERATOR)錯過了許多文件，因爲所有術語必須在至少1個字段。

例如，考慮文檔的以下數據：title field =「Programming Languages」，body field =「Java，C++，PHP」。如果用戶要搜索Java編程此特定文檔將不會包含在結果中，因爲標題或主體字段包含查詢中的所有術語（儘管它們組合在一起）。我希望爲上述查詢返回此文檔，但不希望查詢HTML編程。

我已經考慮了一個catchall字段，但我有一些問題。首先，用戶經常在他們的查詢中包含每個領域的術語（作者：賬單），這對於一個查詢字段來說是不可能的。另外，我用FastVectorHighlighter突出顯示某些字段，這些字段需要對它們進行索引和存儲。因此，通過添加一個catchall字段，我將不得不索引大部分相同的數據兩次，這是時間和空間消耗。

任何想法？

來源

2012-12-17 Chris Davi

關於對catchall字段進行索引，是否觀察到引起關注的時間/空間命中？我的經驗是索引特定存儲字段中的相同數據，然後添加到廣義索引字段對性能或索引大小的影響相當小。 – femtoRgon

另外，我不知道結束查詢的結構是什麼樣子。特別是如何設置dis-max查詢。容易殺死你獲得有意義的分數的能力。 – femtoRgon

@femtoRgon disjunctionMaxQuery結構如下所示：'（（title：java title：programming）|（body：java body：programming））〜0.2'您提到了一個很好的觀點，即添加catchall字段可能對遠程時間影響不大/空間有關。我當然認爲它，但決定反對它，因爲我還想保持按字段搜索的能力，例如作者：賬單。用戶不僅使用此功能，而且在幕後使用它。謝謝。 –

猜猜我應該多做一點研究。原來MultiFieldQueryParser提供了我正在尋找的確切功能。無論出於何種原因，我創建爲每個字段的QueryParser我想尋找這樣的：

String[] fields = {"title", "body", "subject", "author"}; 
QueryParser[] parsers = new QueryParser[fields.length];  
for(int i = 0; i < parsers.length; i++) 
{ 
    parsers[i] = new QueryParser(Version.LUCENE_35, fields[i], analyzer); 
    parsers[i].setDefaultOperator(QueryParser.AND_OPERATOR); 
}

這將導致這樣的查詢：

(+title:java +title:programming) | (+body:java +body:programming)

...這不是我是什麼看着。現在，我創建一個單一的MultiFieldQueryParser這樣的：

MultiFieldQueryParser parser = new MultiFieldQueryParser(Version.LUCENE_35, new String[]{"title", "body", "subject"}, analyzer); 
parser.setDefaultOperator(QueryParser.AND_OPERATOR);

這給了我，我一直在尋找查詢：

+(title:java body:java) +(title:programming body:programming)

感謝@seeta和@femtoRgon的幫助！

來源

2012-12-17 22:10:05

也許你需要的是布爾查詢的組合，捕獲字段和術語的不同組合。在你給定的例子中，查詢可能是 -

（標題：Java AND body：programming）OR（標題：programming AND body：Java）。

我不知道是否有一個現有的Query類爲您自動生成此類，但我認爲這應該是在索引上運行的最終查詢。

來源

2012-12-17 02:41:12

我認爲你是在正確的軌道上，雖然我認爲最好是切換AND和OR這樣的權利？（標題：java OR body：java OR subject：java）AND（title：programming OR body：programming OR subject：programming）... [process additional terms] ...我會在完成時發佈我的實現，可能的解決方案。 Thx爲答案。 –

您希望能夠從您的評論搜索多個領域同一套條款，那麼問題：

((title:java title:programming) | (body:java body:programming))~0.2

可能不是最好的實現。

您正在有效地從標題中獲得分數，或者從組合集合中得到正文的分數。在標題和體內編程中擊中java的情況將給出約。等同於在體內對java的打擊並且不會對編程產生影響。

我想一個更好的結構化查詢是：

(title:java body:java)~0.2 (title:programming body:programming)~0.2

這使得我更有意義，因爲你想要的dismax查詢限制得分上同一術語的多個查詢成長（不同領域），但我相信，你確實希望得分能夠以不同的條件獲得點數。

如果這種查詢結構讓您更好地評分結果，將結果限制爲某個最低分數（返回的最高分數的百分比，而不是簡單的硬編碼值）可能足以防止結果太弱從被看見。

我也還是不會算出來的索引所有領域。這是我之前使用過的一個實現，同時索引了特定的字段和catchall字段，從而允許通用查詢和特定的單字段查詢。索引存儲對於未存儲的條款往往非常精簡，如果您發現自己不得不創建大而複雜的查詢以彌補索引存儲空間，它通常會有助於提高性能。

如果你真的想確保它需要最少的存儲，你甚至可以關閉TermVectors該字段：

new Field(name, value, Field.Store.NO, Field.Index.ANALYZED, Field.TermVector.NO);

雖然我不知道有多大的差別，將真正使的。

來源

2012-12-17 07:50:29 femtoRgon

Lucene：使用默認運算符搜索多個字段= AND

回答

相關問題