如何在 Solr 中搜索短语？答案

【问题标题】：How to search phrase in Solr?如何在 Solr 中搜索短语？
【发布时间】：2017-09-28 12:43:58
【问题描述】：

我在Name 字段的Solr 中搜索一些短语。我为Name 尝试了不同的配置，类型为string 或任何自定义TextField。

  <fieldType name="string" class="solr.StrField" sortMissingLast="true" 
  docValues="true" />
  <fieldType name="alphaOnlySort" class="solr.TextField" 
sortMissingLast="true" omitNorms="true">
     <analyzer>
       <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.TrimFilterFactory"/>
       <filter class="solr.PatternReplaceFilterFactory" replace="all" 
  replacement="" pattern="([^a-z])"/>
     </analyzer>
 </fieldType>

我这样定义Name：

然后尝试像字符串：

我也尝试了不同的标记器和过滤器组合，但没有成功。

这就是我想要的：我有短语“测试拆分”，并且我有一些名称为 'test'、'test 124'、'testblablabla' 和 'test split 124' 的条目。我发现'test' 条目在我的示例中是第一个匹配项，并且“测试拆分”的排名要低得多，尽管它有更多匹配的字母。为什么会这样？？

我正在使用 solr 管理界面进行测试，我的 q（查询）参数是： Name:*test split*

编辑 1：

我还尝试创建名为 ExactName 的具有以下配置的 copyField：

 <fieldType name="exact" class="solr.TextField">
    <analyzer>
     <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer> 
 </fieldType>

我这样搜索：

Name:*test split* OR (ExactName:*test split*)^5.0

“测试”仍然出现在“测试拆分”之前:(

【问题讨论】：

您是否尝试过为 (e)dismax 处理程序使用 pf、pf2 或 pf3 参数？创建这些是为了增强匹配序列。另请记住，通配符搜索将跳过分析链的大部分部分。
那里写什么？我的字段名称“名称”。我试过了，但还是一无所获
文档的排名与 lucence 评分功能有关，在 Solr 6 之前为tf-idf，在 Solr 6 之后为BM25。 Here is a good post comparing the two.

标签： solr solrnet

【解决方案1】：

首先，你想要什么？你想只返回你的词组的结果吗？或者与其他类型的匹配相比，增加更多的词组匹配？

edismax（及其属性）可能是您的解决方案。您可以使用 mm 参数（配置子句的最小匹配）和 pf（增强短语匹配）。 [1]

如果您只想匹配短语：“test split”查询应该可以解决问题。不要使用 * 通配符查询，使用适当的分析来拆分标记，通配符查询通常效率很低。

[1]https://lucene.apache.org/solr/guide/6_6/the-extended-dismax-query-parser.html

[2]https://lucene.apache.org/solr/guide/6_6/the-dismax-query-parser.html#TheDisMaxQueryParser-Thepf_PhraseFields_Parameter

【讨论】：

+1 表示“通配符查询通常非常低效。”。仅提供大量实践经验。

【解决方案2】：

您解决这个问题的想法实际上是正确的。有多种方法可以做到这一点。可以通过提升span queries 在查询时解决此问题，但更有效的是在索引时也这样做。

通常对名称搜索所做的确实是增加词组。您可以在exact 字段类型中添加过滤器。使用Shingle Filter 结帐shingles，默认为minShingleSize 或2。带状疱疹是令牌 n-gram。

您也可以通过添加额外的copyField 和Shingle Filter 来创建不使用小写字母的字段类型。

然后提升字段是下一步。如果您使用 eDisMax 查询解析器，您可以使用 bf 参数来提升字段：

区分大小写（没有小写字母）+ shingles 具有最高的提升
不区分大小写（使用小写字母）+ 带第二高提升的带状疱疹
没有增强的标准字段。

【讨论】：