2

我对如何从 solr 排序返回结果有一个要求。在高层次上，它们应该如下所示：

  • 对按日期排序的子集 1 字段的完全匹配
  • 对按日期排序的子集 2 字段的完全匹配
  • 按日期排序的子集 1 字段的部分匹配
  • 按日期排序的子集 2 字段的部分匹配
  • 对按日期排序的子集 1 字段的模糊匹配
  • 对按日期排序的子集 2 字段的模糊匹配

目前我正在排序 solr 分数然后日期。当我查询 solr 时，我使用了一个 boost 函数，它对旧文档进行反向提升，因此它们被向下移动，而新文档也“浮动”到顶部，并且我正在提升适当的字段，以便我得到精确、部分和以正确的顺序进行模糊匹配。这让我大部分时间都在那里。

现在是棘手的部分。该要求规定，如果我搜索“red ford truck”之类的内容，则包含“red ford truck”的文档，无论术语的频率如何，都应该得到相同的评分。将较新的文档提升到顶部不会对分数产生足够的影响，从而无法将具有较高词频的文档向下推得足够远。

例如，假设我有 2 个文档：文档 1：

  • Field1：“红色的福特卡车真的很红，而且是一辆快车”
  • 日期：2010 年 1 月 1 日

文件 2：

  • Field1：“红色福特卡车停在街上”
  • 日期：1/10/2012

当我搜索“红色福特卡车”时，我希望文档 2 首先出现，因为它较新并且包含所有查询的术语。当前文档 1 将首先出现，因为它在 Field1 中有更多匹配项，并且反向提升不足以将其向下推。

所以现在我的问题是 solr 中是否有一个配置点来告诉它在查询的术语上只匹配一次文档？有点像 T-SQL 中的 Exists 。

如果有任何其他有用的信息，请告诉我，并提前感谢您的时间。

4

1 回答 1

2

由于术语频率和字段长度，这些分数是不同的。

omitNorms似乎您正在寻找有关字段长度的内容。看看这个先前的答案，并记住该字段的索引时间提升也将被禁用：

如果为 true，则省略与该字段相关的规范（这会禁用字段的长度规范化和索引时间提升，并节省一些内存）。

omitTermFreqAndPositions似乎您正在寻找关于术语频率的内容：

如果为 true，则忽略此字段的发布中的术语频率、位置和有效负载。对于不需要该信息的字段，这可以提高性能。它还减少了索引所需的存储空间。依赖于使用此选项在字段上发出的位置的查询将默默地找不到文档。对于所有非文本字段的字段，此属性默认为 true。

于 2012-08-02T08:27:45.590 回答