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.下面是我用于搜索的代码.但是在当前代码中,结果是排序的.但我希望结果基于相关性.假设如果我搜索像"ab c"这样的单词,我希望我的搜索得到的结果与"ab c"匹配,然后是"ab"或"bc",最后是"a","b","c"但当前结果排序.

当我们搜索多个单词时,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仅根据TEXT-RELEVANCE进行排序.有很多因素会影响相关性得分.

tf-idf值和长度标准化可能会影响您的分数,导致"a b"/"b c"文档显示在排名靠前的结果中,而不是包含"ab c"的文档.

您可以通过以上方式克服的方法是根据匹配的查询字词数提高相关性得分.您可以按照以下步骤操作.

1)编写从DefaultSimilarity扩展的自定义Similarity类.如果您想知道什么是相似性,那么Lucene使用的类包含有助于得分的所有得分因子公式.

教程:Lucene评分

2)覆盖DefaultSimilarity.coord()

Lucene文档中的coord()解释.

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)coord的默认实现是overlap/maxoverlap.您可以尝试使用不同的公式,以便包含更多查询字词的文档显示在最顶层的结果中.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)您不必覆盖其他方法,因为DefaultSimilarity具有所有评分因子的默认实现.只需触摸您要试验的那个,即您的情况下的coord().如果您从Similarity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