如何让Lucene评分来计算未在搜索词中指定的单词？

Question

我问的问题可能有一个名字，它与贝叶斯统计有关。

我有一个街道地址数据库，我正在使用Lucene来匹配用户输入的地址(如果您需要一个类比，假设我在Google Maps工作)。

假设“西北大道”和“西北海岸大道”都是有效的街道名称，那么在搜索“0.001^0.001西北大道”时，我如何让Lucene将"2000西北大道“的得分高于"1000西北海岸大道”呢？

1000^0.001意味着，数字应该用来打破平局，但在其他情况下，匹配街道名称比将正确的数字与错误的街道匹配更重要。

不幸的是，在本例中，1000^0.001导致错误的匹配(北岸)先于正确的匹配。

什么评分算法可以使Lucene在搜索中未能指定索引术语时向下调整分数，其中罕见术语的权重高于普通术语？

Answer 1

我会通过仔细地对街道名称进行标记化来解决这个问题。例如，您可以这样做：

1. 将数字和街道名称提取到两个不同的字段street_nb和street_nm中。在查询中使用两个子句对它们进行索引，一个是必须以street_nb为目标，另一个是应该。因此，你要确保只匹配街道名称，如果名称匹配，那就更好了。
2. 除此之外，你还可以做不同的事情，比如使用短语来强制街道名称完全匹配等等。尝试各种变体，直到它给你带来好的结果。