2

我正在使用 lucene 进行索引和搜索。下面是我用于搜索的代码。但是在当前代码中，结果是排序的。但我希望结果基于相关性。假设如果我搜索像“ab c”这样的词，我希望我的搜索得到与“ab c”匹配的结果，然后是“a b”或“b c”，最后是“a”、“b”、“c”，但目前结果被排序。

当我们搜索多个单词时，有人可以建议我如何根据相关性检索结果。谢谢你的帮助。

4

1 回答 1

7

默认情况下，Lucene 仅根据 TEXT-RELEVANCE 进行排序。有很多因素会影响相关性得分。

tf-idf 值和长度标准化可能会影响您的分数，导致“ab”/“b c”文档显示在排名靠前的结果中，而不是包含“ab c”的文档。

您可以克服上述方法是根据匹配查询词的数量来提高相关性分数。您可以按照以下步骤操作。

1）编写一个从DefaultSimilarity扩展的自定义相似性类。如果您想知道什么是相似度，它是 Lucene 使用的类，其中包含对分数有贡献的所有评分因素公式。

教程：Lucene 评分

2) 覆盖DefaultSimilarity.coord()

Lucene 文档中的 coord() 解释。

coord(q,d) is a score factor based on how many of the query terms are found in the specified document. Typically, a document that contains more of the query's terms will receive a higher score than another document with fewer query terms. This is a search time factor computed in coord(q,d) by the Similarity in effect at search time.

3) coord的默认实现是overlap/maxoverlap。您可以尝试不同的公式，以便包含更多查询词的文档显示在顶部结果中。以下公式可能是很好的起点。

   1) coord return value = Math.sqrt(overlap/maxoverlap)
   2) coord return value = overlap;

4) 您不必重写其他方法，因为 DefaultSimilarity 具有所有评分因素的默认实现。只需触摸您要试验的那个，在您的情况下是 coord() 。如果您从Similarity扩展，您必须提供所有实现。

5) 可以使用IndexSearcher.setSimilarity()将相似度传递给 IndexSearcher

于 2013-04-16T14:48:20.473 回答