1

我正在使用 Solr 进行模糊搜索（例如，foo~2 bar~2）。突出显示允许我突出显示结果集中匹配的文档片段。

例如：

Result 1: <em>food</em> <em> bars</em> Result 2: mars <em>bar</em>

等等。

对于文档中突出显示的每个匹配项，我需要确定这些片段与哪些查询词匹配，以及查询中这些查询词的偏移量。就像是：

Result 1: {<em>food</em> MATCHED_AGAINST foo QUERY_OFFSET 0,2} {<em> bars</em> MATCHED_AGAINST bar QUERY_OFFSET 3,5} Result 2: mars {<em>bar</em> MATCHED_AGAINST bar QUERY_OFFSET 3,5}

有没有办法在 Solr 中做到这一点？

4

2 回答 2

2

其中一种可能性是定制将产生所需信息的荧光笔。想法很简单——你有方法

org.apache.lucene.search.highlight.Highlighter#getBestTextFragments

在这种方法中，您可以对 QueryScorer 进行低级访问，它由几个有用的属性组成，例如

private Set<String> foundTerms;
private Map<String,WeightedSpanTerm> fieldWeightedSpanTerms;
private Query query;

我很确定，使用这些信息你应该能够产生所需的输出

于 2018-12-28T13:32:17.357 回答
0

我能想到的一个技巧是为boost查询中的每个术语使用不同的（唯一）因子，然后从分数中检索每个匹配术语的提升因子，debug以便推断该分数来自哪个术语。

例如，我们可以使用foo~2^3.0 bar~2^2.0（将分数从 bar 提高 2.0，保持分数不匹配 foo 不变）进行查询。从调试分数输出中，检查提升因子：

Result 1: food bars: score <total score 1> = food * 3.0 * <other scoring terms> + bars * 2.0 * <other scoring terms>
Result 2: mars bar: score <total score 2> = bar * 2.0 * <other scoring terms>

从中可以清楚地看出，food与 的提升因子相匹配3.0，并且bars与bar的提升因子相匹配2.0。维护一个查找字典，以查找哪个术语有什么提升，很容易找出哪些术语匹配。

需要考虑的两个因素：

  1. 如果提升因子为1.0，则 solr 调试分数不会打印出来。
  2. Solr 可能会基于模糊匹配、TF-IDF 等为术语合并一些默认的提升因子。在这种情况下，显示的提升因子将与我们在查询中提供的提升不匹配。出于这个原因，我们需要执行我们的查询两次——一次没有任何提升（了解每个术语的默认提升），一次有提升（看看它现在改变了多少）。

希望这可以帮助某人。

于 2018-12-30T04:12:54.460 回答