java - 将精确匹配排名为最高的最佳 lucene 设置是什么

Question

当我希望完全匹配的排名高于“部分”匹配时，应使用哪些分析器进行索引和搜索？是否可以在 Similarity 类中设置自定义评分？

例如，当我的索引由 car parts、car 和 car shop 组成时(用 StandardAnalyzer 索引) > 在 lucene 3.5 上)，对 "car" 的查询结果为:

• 汽车零件
• 汽车
• 汽车店

(基本上按照添加的顺序返回，因为它们都得到相同的分数)。

我希望看到的是 car 排在第一位，然后是其他结果(哪个顺序并不重要，我假设分析器会影响它)。

Answer 1

所有三个匹配项都是完全(匹配的术语是汽车，而不是“ca”或“ar”):)

如果这些字段(“car parts”、“car”和“car shop”)中没有更多内容，则可以使用 lengthNorm() 或 computeNorm()(取决于 Lucene 版本)，给较短的字段更多的权重，以便汽车因更短而获得更高的分数。在 Lucene 3.3.0 中，DefaultSimilarity.computeNorm() 看起来像这样:

return state.getBoost() * ((float) (1.0 / Math.sqrt(numTerms)));

其中 numTerms 是该字段中的术语总数。所以令人惊讶的是，“car”和“car shop”文档具有相同的分数，因为“car”的范数是 1，而“car shop”应该是 0.7(假设 boost 为 1)。