lucene - 如何与SOLR/lucene中的搜索字符串子集匹配

Question

我有一个不寻常的情况。通常，当您搜索文本索引时，您将针对具有大量术语的文档搜索少量的关键字。

例如，您可能搜索“快速棕色”，并期望与“快速的棕色狐狸跳过懒狗”相匹配。

我遇到的情况是我的文档存储中有很多小短语，我希望将它们与较大的查询短语匹配。

例如，如果我有一个查询:

“快速的棕色狐狸跳过了懒狗”

和文件

“快速棕色”

“狐狸翻了”

“懒狗”

我想查找查询中出现短语的文档。在这种情况下，“棕色快速”和“懒狗”(但不能“翻过来”，因为尽管 token 匹配，但它不是搜索字符串中的短语)。

SOLR/lucene是否可能进行这种查询？

Answer 1

听起来您想在分析中使用ShingleFilter，以便为单词bigrams编制索引:因此在查询和索引时都添加ShingleFilterFactory。

在索引时，您的文档将按以下方式进行索引:

“快速棕色”-> quick_brown

“fox over”-> fox_over

“懒狗”-> lazy_dog

在查询时，您的查询将变为:

“快速的棕色狐狸跳过懒惰的狗”->“the_quick quick_brown棕色的狐狸狐狸跳跃” overs_the_lazy懒惰的懒惰的狗“

这还是不好的，默认情况下它将构成一个短语查询。
因此，在您的 查询分析器中，只有在ShingleFilterFactory之后添加PositionFilterFactory。这会“拉平”查询中的位置，以便queryparser将输出视为同义词，这将产生带有这些子项的 bool 查询(所有SHOULD子句，因此基本上是OR查询):

bool 查询:

the_quick或

quick_brown或

brown_fox或

...

这应该是最高效的方式，因为它实际上只是一个termqueries的 bool 查询。