lucene - Lucens 执行 "starts-with"查询的最佳方式

Question

我希望能够执行以下类型的查询:

要索引的数据包括(比方说)只有标题有趣的音乐视频。
我只是想对这些进行索引，然后为它们创建查询，这样，无论用户在查询中使用什么单词或单词，包含这些单词的文档，按照该顺序，在 tile 的开头将首先返回，然后是(在没有特定的顺序)通过在标题的任何位置包含至少一个搜索词的文档。此外，所有这些都应该不区分大小写。

例子:

对于文件:

Video1Title = 海是蓝色的

Video2Title = 狂野的大海

Video3Title = 狂野的大海随便

Video4Title = 海边随便

如果我搜索“海”，我想得到

“Video1Title = 海是蓝色的”

首先是标题中包含“sea”但不在开头的所有其他文档。

如果我搜索“Wild sea”，我想得到

Video2Title = 狂野的大海

Video3Title = 狂野的大海随便

首先是标题中包含“Wild”或“Sea”但没有“Wild Sea”作为标题前缀的所有其他文档。

如果我搜索“Seasi”，我什么都不想要(我不关心关键字标记化和前缀查询)。

现在AFAIKS，没有实际的方法告诉Lucene“找到我的文档，其中word1和word2等位于位置1、2和3等。”

有“解决方法”来模拟这种行为:

对该字段进行两次索引。在 field1您将单词标记化(可能使用 StandardAnalyzer )并在 field2 中你把它们都聚集成一个元素(使用 KeywordAnalyzer )。然后，如果您搜索类似的内容:

+(field1:word1 word2 word3) (field2:"word1 word2 word3*")

有效地告诉Lucene“文档必须在标题中包含word1或word2或word3，而且那些匹配“标题以>word1 word2 word3<开头的文档更好(获得更高的分数)。

在索引字段时将“lucene_start_token”添加到字段的开头，以便Video2Title = Wild sea被索引为“title:lucene_start_token Wild sea”，其余的依此类推

然后做一个查询，这样:

+(title:sea) (title:"lucene_start_token sea")

并让 Lucene 返回标题中包含我的搜索词的所有文档，并对匹配“lucene_start_token+搜索词”的文档给出更好的分数

我的问题是，是否确实有更好的方法来做到这一点(也许使用 PhraseQuery 和 Term position )？如果不是，以上哪一个在性能方面更好？

Answer 1

您可以使用 Lucene Payloads为了那个原因。您可以为字段值的每个术语提供自定义提升。

所以，当你索引你的标题时，你可以开始使用 3 的提升因子(例如):

标题:野生 |3.0 生物 |2.5 蓝色 |2.0 海 |1.5

标题:海 |3.0 生物 |2.5

以这种方式建立索引，您可以将最近的术语提升到标题的开头。

使用这种方法的主要问题是您必须自己标记并“手动”添加所有这些提升信息，因为分析器需要以这种方式构建的文本 (term1|1.1 term2|3.0 term3)。