还有就是得分的通配符匹配和精确匹配之间的不匹配

Question

还有就是得分的通配符匹配和精确匹配

我搜索

recording:live OR recording:luve* 

这里是之间的不匹配从搜索

DocNo:0:1.4196585:11111111-1cf0-4d1f-aca7-2a6f89e34b36 
1.4196585 = (MATCH) max plus 0.1 times others of: 
    0.3763506 = (MATCH) ConstantScore(recording:luve*), product of: 
    1.0 = boost 
    0.3763506 = queryNorm 
    1.3820235 = (MATCH) weight(recording:luve in 0), product of: 
    0.7211972 = queryWeight(recording:luve), product of: 
     1.9162908 = idf(docFreq=1, maxDocs=5) 
     0.3763506 = queryNorm 
    1.9162908 = (MATCH) fieldWeight(recording:luve in 0), product of: 
     1.0 = tf(termFreq(recording:luve)=1) 
     1.9162908 = idf(docFreq=1, maxDocs=5) 
     1.0 = fieldNorm(field=recording, doc=0) 

DocNo:1:0.3763506:22222222-1cf0-4d1f-aca7-2a6f89e34b36 
0.3763506 = (MATCH) max plus 0.1 times others of: 
    0.3763506 = (MATCH) ConstantScore(recording:luve*), product of: 
    1.0 = boost 
    0.3763506 = queryNorm 

在我的测试解释输出我有5个文件，一个包含完全匹配，另一个通配符匹配和其他三个不匹配所有。完全匹配的分数是1.4与0.37相比较为通配符匹配，这几乎是因子。与通配符搜索相比，对于罕见术语的精确匹配得分更高的指数要大得多。

完全不同是由于通配符用于精确匹配的不同得分机制，通配符不考虑tf/idf或lengthnorm考虑到你只是得到每个比赛的恒定得分。现在我不关心数据域中的长度或长度，它没有太大的区别，但分数是一个真正的杀手。由于匹配文档在5个文件一旦发现其基金的捐款是IDF的平方即3.61

我知道这个常数得分比计算TF-IDF更快* lengthnorm每个通配符匹配，但它没有任何意义对我来说，idf会为比分贡献很多。我也知道我可以改变重写方法，但是这有两个问题。

1. 评分重写方法表现不佳，因为他们正在计算idf，tf和lengthnorm。 idf是我需要的唯一值。

2. 确实计算分数的人没有多大意义，因为他们会计算匹配项的idf，即使这不是实际搜索的内容，而且该术语可能比我实际搜索的内容更罕见，可能会提升它高于完全匹配。

（我也可以改变相似性类别覆盖IDF计算所以它总是返回1，但由于以色列国防军是完全匹配比较不同的词

即是非常有用的，它没有任何意义录音：爱人或录音：爱人*或记录：在或录音：将*

我希望比赛以爱人得分超过匹配更高的常用词的 ）

因此，重写方法已经存在或可能只是为了计算它试图匹配的术语的idf，所以例如在这种情况下，我搜索'luve'和通配符匹配'luvely'，它会由luve的idf（3.61）倍增。这样我的通配符匹配就可以完全匹配，我可以改变我的查询来提高精确匹配，所以精确匹配总是高于通配符匹配，但不会高得多。

i。È

recording:live^1.2 OR recording:luve* 

，并用这个神话重写方法这将给出（取决于queryNorm）：

• 文档0：0：1.692
• 文件1：0：1.419

Answer 1

好吧设置以此为前缀的查询重写方法似乎工作

public static class MultiTermUseIdfOfSearchTerm<Q extends Query> extends TopTermsRewrite<BooleanQuery> { 

    //public static final class MultiTermUseIdfOfSearchTerm extends TopTermsRewrite<BooleanQuery> { 
     private final Similarity similarity; 

     /** 
     * Create a TopTermsScoringBooleanQueryRewrite for 
     * at most <code>size</code> terms. 
     * <p> 
     * NOTE: if {@link BooleanQuery#getMaxClauseCount} is smaller than 
     * <code>size</code>, then it will be used instead. 
     */ 
     public MultiTermUseIdfOfSearchTerm(int size) { 
      super(size); 
      this.similarity = new DefaultSimilarity(); 

     } 

     @Override 
     protected int getMaxSize() { 
      return BooleanQuery.getMaxClauseCount(); 
     } 

     @Override 
     protected BooleanQuery getTopLevelQuery() { 
      return new BooleanQuery(true); 
     } 

     @Override 
     protected void addClause(BooleanQuery topLevel, Term term, float boost) { 
      final Query tq = new ConstantScoreQuery(new TermQuery(term)); 
      tq.setBoost(boost); 
      topLevel.add(tq, BooleanClause.Occur.SHOULD); 
     } 

     protected float getQueryBoost(final IndexReader reader, final MultiTermQuery query) 
       throws IOException { 
      float idf = 1f; 
      float df; 
      if (query instanceof PrefixQuery) 
      { 
       PrefixQuery fq = (PrefixQuery) query; 
       df = reader.docFreq(fq.getPrefix()); 
       if(df>=1) 
       { 
        idf = (float)Math.pow(similarity.idf((int) df, reader.numDocs()),2); 
       } 
      } 
      return idf; 
     } 

     @Override 
     public BooleanQuery rewrite(final IndexReader reader, final MultiTermQuery query) throws IOException { 
      BooleanQuery bq = (BooleanQuery)super.rewrite(reader, query); 

      float idfBoost = getQueryBoost(reader, query); 
      Iterator<BooleanClause> iterator = bq.iterator(); 
      while(iterator.hasNext()) 
      { 
       BooleanClause next = iterator.next(); 
       next.getQuery().setBoost(next.getQuery().getBoost() * idfBoost); 
      } 
      return bq; 
     } 

    } 

Answer 2

我认为你正在寻找PrefixQuery.setRewriteMethod和MultiTermQuery.SCORING_BOOLEAN_QUERY_REWRITE。