java - Solr:搜索排除更大的短语

Question

F.e.我有 3 个文件。
1.《狗猫一个球》
2.“球猫狗”
3.“狗、猫、球和大象”

所以。通过查询“dog AND cat AND ball”，我只想收到前两个文档。
所以。我只想将我要求的单词包含在结果中的主要思想。

我将不胜感激任何建议。
谢谢。

Answer 1

好吧，如果您存储 TermVector(在创建 Field 时，在将 Document 添加到索引之前，请使用 TermVector.YES)这可以通过覆盖收集器来完成。这是一个简单的实现(仅返回没有分数的文档):

private static class MyCollector extends Collector {
    private IndexReader ir;
    private int numberOfTerms;
    private Set<Integer> set = new HashSet<Integer>();

    public MyCollector(IndexReader ir,int numberOfTerms) {
        this.ir = ir;
        this.numberOfTerms = numberOfTerms;

    }

    @Override
    public void setScorer(Scorer scorer) throws IOException {   } //we do not use a scorer in this example

    @Override
    public void setNextReader(IndexReader reader, int docBase) {
        //ignore
    }

    @Override
    public void collect(int doc) throws IOException {
        TermFreqVector vector = ir.getTermFreqVector(doc, CONTENT_FIELD);
                    //CONTENT_FILED is the name of the field you are searching in...
        if (vector != null) {
            if (vector.getTerms().length == numberOfTerms) {
                set.add(doc);
            }
        } else {
            set.add(doc); //well, assume it doesn't happen, because you stored your TermVectors.
        }

    }

    @Override
    public boolean acceptsDocsOutOfOrder() {
        return true;
    }
    public Set<Integer> getSet() { 
        return set;
    }
}; 

现在，使用IndexSearcher#search(Query,Collector)

这个想法是:你知道文档中应该有多少个术语才能被接受，所以你只需验证它，并只收集符合此规则的文档。当然这可能更复杂(在 vector 中查找特定术语， vector 中的单词顺序)，但这是一般想法。

实际上，如果您存储了 TermVector，您几乎可以做任何事情，所以只需尝试使用它即可。