Solr/Lucene 相当新。我有一个简单的要求，不确定配置 solr 是否容易做到这一点。
假设所有文档只有一个文本字段，未标记。
当查询进来时，我希望结果按匹配（包含）文本的百分比排序。百分比计算公式为len(query)/len(matched text field)
例如，有三个文档，文本字段如下：
doc1: abcdefghij
doc2: abcdefgh
3: abc
如果搜索词是“cde”，则匹配 doc 1 和 doc 2（文本字段包含搜索词）。对于 doc 1，百分比匹配 = 3/10=30%
对于 doc 2，百分比匹配 = 3/8=37.5%
所以结果应该是：
DOC2
DOC1
这有意义吗？如何使用 solr 实现它？
谢谢。
您可以覆盖 Lucene 评分。
扩展org.apache.lucene.search.DefaultSimilarity，定义您的自定义评分算法。
您可能只想存根 DefaultSimilarity 的许多方法，例如 idf（只返回 1），以便更复杂的评分元素不会影响您的结果。
然后在 solr 中的 schema.xml 中添加一行，将其配置为使用您的评分类，例如：
<similarity class="com.mycompany.MySimilarity" />
这是一个页面，其中包含有关评分如何工作的一些信息，请在此处查看：Lucene Scoring。还有一些关于添加自定义功能的资源，这可能有助于组合一个可用的 Similarily 类。
不过，老实说，特别是如果您是 Lucene/Solr 的新手，您可能会更好地获得一些默认评分的经验。它工作得很好，你通过丢弃它删除了许多有价值的功能。
编辑：
请注意，这提供了一种可能（虽然不是很漂亮）的方式来实现相似性。再往下看另一种方式。您仍然需要一个自定义的 Similarity，但它更简单。
好的，这是一个尝试。我还没有测试过它（现在不是真的有能力这样做），但也许它会为你指明正确的方向。
可能最简单的方法是为每个字段存储一个规范来编码术语的长度。为此，请覆盖computeNorm，并返回取自第二个参数的长度的倒数。
为了计算您指定的精确评分，您需要访问匹配的查询词或其长度。两者都不是很容易。您可能会找到一种方法，或者您可以手动将该值传递到相似度类中。由于您只需要按照您指定的顺序获取值，另一种说明您的要求的方法是“从最短到最长的顺序结果”。我们已经使用computeNorm 实现了这一点。
然后你只需剔除其余部分，结果如下：
float computeNorm(String field, FieldInvertState state) {
int length = state.getOffset() - state.getPosition();
return 1.0 / (float)length;
}
float coord(int overlap, int maxOverlap) {
return 1;
}
float idf(int docFreq, int numDocs) {
return 1;
}
float tf(float freq) {
return 1;
}
float queryNorm(float sumOfSquaredWeights) {
return 1;
}
float sloppyFreq(int distance) {
return 1;
}
float lengthNorm(string fieldName, int numTerms) {
return 1;
}
注意：norm 是在文档被索引时计算的，所以在插入文档时必须使用这个 Similarity 才能有效。查询时间来不及设置规范。由于压缩，它也非常近似。
更简单的方法（也许）：
你知道，现在我想起来了，因为相同的排序是通过从最短到最长排序来获得的，所以你可以在没有新的 Similarity 类的复杂性的情况下做到这一点。添加文档时，您只需应用字段级提升即可完成相同的操作。只需将这些术语中的每一个增加 1/length 或一些类似的方法。
如果插入 abcde，则对该字段应用 1/5 的提升。
完成后，您甚至可以像 'term:abc*^3' 这样的查询，这将允许您获得之前指出的百分比分数（尽管两种方式的效果大致相同，只有一个查询词）。
我认为，如果您使用这样的提升进行评分，您应该能够剔除 CustomSimilarity 中的所有内容。在这种情况下，'idf' 和 'tf' 可能是您真正需要担心的覆盖。