Lucene：根据相关性进行搜索和检索

Question

我正在使用lucene进行索引和搜索。 以下是我用于搜索的代码。 但是在当前代码中，对结果进行了排序。 但我希望结果基于相关性。 假设如果我搜索“ abc”之类的词，我希望搜索结果匹配“ abc”，然后匹配“ ab”或“ bc”，最后匹配“ a”，“ b”，“ c”，但当前结果被排序。

当我们对多个单词进行搜索时，有人可以建议我如何根据相关性检索结果。 谢谢你的帮助。

Answer 1

默认情况下，Lucene仅基于TEXT-RELEVANCE进行排序。 有很多因素会影响相关性得分。

tf-idf值和长度规范化可能会影响您的分数，从而导致“ ab” /“ bc”文档比包含“ abc”的文档显示在排名靠前的结果上。

上面您可以克服的方法是根据匹配查询词的数量来提高相关性得分。 您可以按照以下步骤操作。

1）编写一个从DefaultSimilarity扩展的自定义相似类。 如果您想知道相似性是什么，Lucene使用的类包含有助于得分的所有评分因子公式。

教程： Lucene计分

2）覆盖DefaultSimilarity.coord（）

Lucene文档中的coord（）说明。

coord(q,d) is a score factor based on how many of the query terms are found in the specified document. Typically, a document that contains more of the query's terms will receive a higher score than another document with fewer query terms. This is a search time factor computed in coord(q,d) by the Similarity in effect at search time. 

3）坐标的默认实现是重叠/最大重叠。 您可以尝试使用不同的公式，以使包含更多查询词的文档出现在顶部结果中。 以下公式可能是一个很好的起点。

   1) coord return value = Math.sqrt(overlap/maxoverlap)
   2) coord return value = overlap;

4）您不必重写其他方法，因为DefaultSimilarity具有所有评分因子的默认实现。 只需触摸您要尝试的那个，在您的情况下就是coord（）。 如果您从相似性扩展，则必须提供所有实现。

5）可以使用IndexSearcher.setSimilarity（）将相似性传递给IndexSearcher