Seb*_*ber 6 java lucene search n-gram elasticsearch
当我使用带有edgengram的分析器(min = 3,max = 7,front)+ term_vector = with_positions_offsets
使用text ="CouchDB"的文档
当我搜索"couc"时
我的亮点是"cou"而不是"couc"
似乎我的亮点仅在于最小匹配令牌"cou",而我希望在准确的令牌上(如果可能)或至少找到最长的令牌.
它使用term_vector = with_positions_offsets分析文本时工作正常
删除term_vector = with_positions_offsets的性能有什么影响？
当您term_vector=with_positions_offsets为特定字段设置时,表示您为该字段存储每个文档的术语向量.
在突出显示时,术语向量允许您使用lucene快速矢量荧光笔,这比标准荧光笔更快.原因是标准荧光笔没有任何快速突出的方法,因为索引不包含足够的信息(位置和偏移).它只能重新分析字段内容,拦截偏移和位置,并根据该信息进行突出显示.这可能需要一段时间,尤其是对于长文本字段.
使用术语向量,您可以获得足够的信息,而无需重新分析文本.不利方面是指数的规模,这将显着增加.我必须补充一点,因为Lucene 4.2术语向量可以更好地压缩并以优化的方式存储.还有新的PostingsHighlighter基于在贴子列表中存储偏移的能力,这需要更少的空间.
elasticsearch自动使用最佳方式根据可用信息进行突出显示.如果存储术语向量,它将使用快速矢量荧光笔,否则使用标准矢量荧光笔.在没有术语矢量的重新索引之后,将使用标准荧光笔进行突出显示.它会慢一些,但索引会更小.
关于ngram字段,所描述的行为很奇怪,因为快速矢量荧光笔应该对ngram字段有更好的支持,因此我期望完全相反的结果.
| 归档时间： |
|
| 查看次数： |
3018 次 |
| 最近记录： |