1

我正在使用 solr4.1.0，我正在尝试让常用词短语搜索工作。这意味着在搜索“the cat”时，我希望显示包含该短语的文档，而不是在某处或不同字段中包含“the”和“cat”的文档。

我有的：

    <fieldType name="text" class="solr.TextField" positionIncrementGap="100">
        <analyzer>
            <tokenizer class="solr.StandardTokenizerFactory" />
            <filter class="solr.LowerCaseFilterFactory" />
            <filter class="solr.CommonGramsFilterFactory" words="lang/stopwords.txt" format="snowball" />
            <filter class="solr.StopFilterFactory" words="lang/stopwords.txt" format="snowball" enablePositionIncrements="true" />
        </analyzer>
    </fieldType>

当“正常”单词与 stopwords.txt 中的停用词组合时，这应该输出特殊的 gram 标记。在分析视图中，这按预期工作，因此“the cat”被通用语法化为“the_cat cat”。

我的客户所追求的解决方案是，当查询中的停用词与普通词一起使用时，只有具有此确切短语（停用词 2-shingle）的元素应该匹配。整体默认运算符仍然是 AND。

例如，我有以下字段的文档

  1. 编号：1；标题：我的猫在它的自然环境中；desc: 世界上最好的动物是猫
  2. 编号：2；标题：猫是邪恶的；描述：每个人都知道猫是纯粹的邪恶
  3. 编号：3；标题：猫解谜；desc: 我们的猫叫夏洛克

以下是我想要实现的示例......基本上，用户在搜索、查询和运算符方面或多或少是文盲，因此搜索应该解释输入并“做正确的事”。正确的做法是：

  1. 输入：cat
    结果：docs 1、2、3（为方便起见，没有评分）
  2. 输入：cat world
    结果：doc 1
    AND 是默认值
  3. 输入：cat 每个人
    结果：doc 2
    AND 跨越多个字段
  4. 输入：猫
    结果：doc 1 因为只有这个字段包含短语“猫”，在查询过程中不知何故必须神奇地出现
  5. 输入：nice cat
    结果：[]
    因为没有文档包含短语“the nice”，算法会将其解释为常用词短语
  6. 输入：猫世界
    结果：doc 1
  7. 输入：纯结果：[]

这背后的原因是客户对一些（精心挑选的）停用词有一些具体的想法。
那么这是一种现实的做法吗？在将其传递给 solr 之前是否有必要进行某种查询预解析？还有其他方法可以达到预期的效果吗？

4

0 回答 0