Lucene查找交叉点最多的文档

Question

我想在Lucene中实现“共同朋友”的功能，所以我有很多带有朋友列表的文档。

DOC:
    id: p1
    name: Mike
    profile_id: 1
    friends_id: [2,3,4,5,6,7,8]

或

id: p3
name: John
profile_id: 3
friends_id: [6,7,8,9,10]

或

 id: p5
    name: Roftl
    profile_id: 5
    friends_id: [1,2,3,6,10]

如果我是Mike的账号，我想用Lucene查询找到另一个拥有更多共同好友的账号。如果可能，还可以在响应中添加具有该编号的字段。

Answer 1

您可以尝试执行以下步骤。

1)访问Mike文档的术语矢量。

2)访问字段friends_id中的术语

3)迭代这些术语(即friend_ids)并形成术语查询的布尔查询。

4)使用该查询搜索索引。

5)假设您在friends_id文件中没有重复的术语，它应该可以工作。最好的结果应该符合您的要求。

它甚至更好，因为Lucene提供了MoreLikeThisQuery来为查询中提供的术语实现类似的文档。

简而言之，此查询用于查找候选文档的相似文档。它所做的只是上面的步骤。在您的用例中，您要查找的不是候选文档的相似文档，而是文档中某个字段的顶部相似文档。

以下是MoreLikeThisQuery的示例代码

Another tutorial