[英]solr dismax phrase search
我正在构建一个应用程序,该应用程序使用solr来将较长的查询(通常是完整的句子)与几乎总是较短的索引文档(搜索词)进行匹配。 因此,我的查询看起来像“我应该在低利率的情况下现在买房子吗。我们在2年前提交了BR。现在要租,有一些sch贷款债务”,索引文件就像“买房子”,“房子”贷款利率”。
我认为正确的方法是使用带状疱疹,dismax解析器和高度增强的“ pf”字段。 因此,我有一个“普通”文本字段,kw_stopped(在solr 3.4中为text_en),带有非常激进的停用词列表,还有一个kw_phrases字段,该字段表示为木瓦。 其定义如下所示:
<fieldType name="shingle" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1"
catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.ShingleFilterFactory" maxShingleSize="8" outputUnigrams="false"/>
</analyzer>
<analyzer type="query">
<tokenizer class="solr.WhitespaceTokenizerFactory"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1"
catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
<filter class="solr.ShingleFilterFactory" maxShingleSize="8" outputUnigrams="false"/>
</analyzer>
</fieldType>
我的架构字段如下所示:
<field name="kw_stopped" type="text_en" indexed="true" omitNorms="True" />
<!-- keywords almost as is - to provide truer match for full phrases -->
<field name="kw_phrases" type="shingle" indexed="true" omitNorms="True" />
我的搜索处理程序配置是这样的:
<requestHandler name="edismax" class="solr.SearchHandler" default="true">
<lst name="defaults">
<str name="defType">edismax</str>
<str name="echoParams">explicit</str>
<float name="tie">0.1</float>
<str name="fl">
keywords
</str>
<str name="mm">1</str>
<str name="qf">
kw_stopped^1.0 kw_phrases^5.0
</str>
<str name="pf">
kw_phrases^50.0
</str>
<int name="ps">3</int>
<int name="qs">3</int>
<str name="q.alt">*:*</str>
</lst>
</requestHandler>
当我打开debugQuery时,我注意到“ kw_phrases” 从不匹配,除非查询和文档完全相同。 parsedquery还显示,查询中每个标记化的词都显示为“ kw_stopped”的单个DisjunctionMaxQuery子句,但所有带状疱疹都放置在kw_phrases字段的一个巨子句中。
我的理解力在哪里? 我该如何进行这项工作?
谢谢! 维杰
如果您使用长句子搜索较短的文档,那么您似乎还不错。
当然,您将需要一个不错的停用词过滤器列表,以防止在索引和搜索期间通用术语匹配。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.