Lucene -使用长字符串查询

Question

我有一个索引，带有“从属关系”字段，一些示例值是：

• “斯坦福大学医学院，加利福尼亚州帕洛阿尔托”，
• “神经生物学研究所，医学院，斯坦福大学，Palo Alto，CA"，
• ”医学院，哈佛大学，波士顿MA"，
• "Brigham & Women's，哈佛大学医学院，波士顿，MA“
• ”哈佛大学，剑桥MA“H 210F 211

等等..。(底线是隶属关系是以多种方式编写的，没有明显的一致性)

我使用“斯坦福大学医学院，Palo，CA”(与QueryParser一起)查询附属关系字段上的索引，我得到了很多虚假+ves，大概是因为医学院的存在等等。(注意:我不能使用短语查询，因为在建立附属关系的方式上存在差异)

我尝试了以下几点：

results!)

• Tried

• 通过用空格分割搜索短语来使用SpanNearQuery (这里我不使用逗号分割搜索短语(使用^)，并使用比初始短语高得多的助推词，比如"Palo“。在这里，我仍然得到了许多假+ves。

关于如何处理这个问题，有什么建议吗？如果SpanNearQuery要走的路，对我为什么得到0的结果有什么想法吗？

Answer 1

我就是这样做的：

1. 在单词列表中添加了“大学”、“学校”、“医学”、“研究所”等常用术语。
2. 对每个词都使用布尔查询，setMinimumNumberShouldMatch()为查询字符串长度的75%。

最后，循环遍历hits收集器，并使用字符串比较算法(如Jaro、Levenstein等)作为二级过滤器。(这很慢，但确保了精确性)。

希望这能有所帮助。

Answer 2

你是用或搜索代替和？

可以将默认运算符设置为和使用QueryParser.setDefaultOperator()。将默认运算符设置为并应消除所有误报。但是，如果您的索引值是"Stanford University School of Medicine, Palo Alto, CA ",，并且正在搜索"Stanford University School of Medicine, Palo Alto, CA USA", (注意查询中的额外术语USA )，您可能会冒着虚假否定的风险。

如果查询的术语不会超过索引值，这将解决您的问题。