java - 为什么 Lucene 有时不匹配 InChIKeys？

Question

我已经使用 Hibernate Search 为我的数据库编制了索引。我使用自定义分析器，用于索引和查询。我有一个名为 inchikey 的字段，不应对其进行标记化。示例值是:

• BBBAWACESCACAP-UHFFFAOYSA-N
• KEZLDSPIRVZOKZ-AUWJEWJLSA-N

当我与 Luke 一起查看我的索引时，我可以确认它们没有按要求进行标记化。

但是，当我尝试使用网络应用程序搜索它们时，找到了一些 inchikeys，而另一些则没有。奇怪的是，对于这些 inchikeys，当我在没有最后一个连字符的情况下进行搜索时，搜索确实有效，如下所示:BBBAWACESCACAP-UHFFFAOYSA N

我没能在未找到的 inchikeys 中找到共同的元素。

知道这里发生了什么吗？

我使用 MultiFieldQueryParser 来搜索数据库中的不同字段:

    String[] searchfields = Compound.getSearchfields();
    MultiFieldQueryParser parser = new MultiFieldQueryParser(Version.LUCENE_29, Compound.getSearchfields(), new ChemicalNameAnalyzer());
    //Disable the following if search performance is too slow
    parser.setAllowLeadingWildcard(true);
    FullTextQuery fullTextQuery = fullTextSession.createFullTextQuery(parser.parse("searchterms"), Compound.class);
    List<Compound> hits = fullTextQuery.list();

有关我们设置的更多详细信息已发布here蒂姆和我。

Answer 1

事实证明输入文件中的最后一个条目没有被正确索引。这些正在被标记化。事实上，它们似乎被索引了两次:一次没有被标记化，一次被标记化。当我搜索时，我找不到未标记的。

我还没有找到原因，但我认为这可能与我们的解析器结束有关，而 Lucene 仍在索引最后的条目，因此 Lucene 恢复到默认分析器 (StandardAnalyzer)。当我找到罪魁祸首时，我会在这里报告。

将@Analyzer(impl = ChemicalNameAnalyzer.class) 添加到字段中可以解决问题，但我想要的是我的原始设置，默认分析器在配置中定义一次，如下所示:

<property name="hibernate.search.analyzer">path.to.ChemicalNameAnalyzer</property>