Apache Solr查詢構建

Question

我是Apache Solr的新手。 我正在嘗試為以下查詢找出令牌生成器，過濾器和查詢參數，但還無法確定是否可行（仍在閱讀所有文檔）：

我有兩個字段- title和description 。 我們想在以下位置進行搜索：
1. title匹配比description匹配更具相關性。
2.完整的單詞匹配優先於所有其他單詞（對於查詢kit ， kit優先於kitchen ）。
3.以查詢字段開頭的索引條目優先於僅包含該字段的索引條目（對於查詢goo ， good優先於Magoo ）。

這有可能嗎？ 如果是這樣，我該怎么做？

Answer 1

字段之間的權重不是令牌生成器或過濾器關心的問題-它們的工作是獲取一些輸入文本，將其拆分為令牌（令牌），然后通過一系列處理步驟（過濾器）運行它。

edismax和dismax查詢解析器具有一個名為qf的參數，該參數允許您提供應查詢的字段列表，並為每個字段提供單獨的權重-允許您精確調整要賦予每個字段多少權重。 qf=title^5 description會使字段title的命中率比description中的字段高五倍-其他所有內容都是相同的（但它們通常是不相同的，因為您沒有在兩個字段中都索引相同的內容） 。

這就是評分不是一門精確科學的原因，因此，如果您想使用某種相關性分數（即，命中不同的單詞會得到不同的分數），則必須調整這些權重以適合您的排名重新尋找。 在調整得分時，將debugQuery=true附加到查詢中非常有幫助，因為它將准確顯示每個術語對文檔的最終得分有多大作用。

您的第一個條件， title與description是通過使用帶有StandardTokenizer和小寫過濾器的TextField來解決的（取決於您要查找的內容，還可以是詞干，同義詞等）。

在下面給出的示例中，您也可能（可能）想要一個小寫過濾器，但是為了使示例緊湊，我省略了它。

您的第二種情況是通過使用具有EdgeNGramFilter的第二個字段類型並具有兩個使用此字段類型的新字段title_edge和description_edge來解決的。

此示例和下面的NGramFilter示例都使用type="index"屬性，因為通常只有在索引時擴展ngram才有意義。 否則，以相同字母開頭（或對於NGram過濾器，包含相同字母）的任何兩個單詞都將匹配。

<analyzer type="index">
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="40" />
</analyzer>
<analyzer type="query">
  <tokenizer class="solr.StandardTokenizerFactory"/>
</analyzer>

通過具有第三組字段title_ngram和description_ngram來解決第三個條件，該字段的順序為NGramFilter：

<analyzer type="index">
  <tokenizer class="solr.StandardTokenizerFactory"/>
  <filter class="solr.NGramFilterFactory"/>
</analyzer>
<analyzer type="query">
  <tokenizer class="solr.StandardTokenizerFactory"/>
</analyzer>

請注意，NGramFilter將導致生成大量令牌，需要更多的存儲空間，並使搜索在生成匹配項時處理更多的令牌。 這可能與您的用例無關，也可能無關。

話雖這么說，但要匹配單詞中的內部術語（尤其是非常短的字符串）要說些什么。 他們可能會在用戶無法理解為什么匹配文檔的情況下給出結果，因為它可能在某處很小的匹配項（鍵入查詢時為單個字母）。 只需搜索“ c”以找到有關編程語言的內容，就會獲得每個包含c的單詞的匹配（但是，如果您對字段進行了適當的提升，則准確的匹配應該位於頂部）。