Solr :如何解决这个用户案例

Question

在Solr 4.*中，假设我有字段"mytext"。

1. "mytext“中的第一个记录是"working at ABC”。
2. "mytext“中的第二个记录是"working at ABC project ABC”。

现在，当我搜索"Working at ABC“时，文档序列是

Doc.1："Working at ABC project ABC“

Doc2："Working at ABC“

尽管根据计算，第二个文档应该位于顶部，因为它包含了两次"ABC“(对于第二个文档，TF更高)。

但是从用户的角度来看，当查询输入“在ABC工作”时，结果应该是

"Working at ABC"

"Working at ABC project ABC"

。

我该如何处理这种情况。此项目只有在“公司”和“项目”有重叠数据时才会发生。就像这个例子中的"ABC"。

谢谢

阿米特·阿加瓦尔

Answer 1

您可以为字段设置omitTermFreqsAndPositions=true。只要包含规范，内容较短的字段的排名将高于内容较长的字段。

Answer 2

而不是改变schema.xml。我覆盖TF函数，它总是返回1。因此，术语频率没有影响。

如果有人在短字段上使用Solr，那么下面是我的自定义类

private static float ARR[] = { 0.0f, 1.5f, 1.25f, 1.0f, 0.875f, 0.75f, 0.625f, 0.5f, 0.4375f, 0.375f, 0.3125f};

  /** 
   * Implemented as a lookup for the first 10 counts, then
   * <code>1/sqrt(numTerms)</code>. This is to avoid term counts below
   * 11 from having the same lengthNorm after being stored encoded as
   * a single byte.
   */
  public float lengthNorm(FieldInvertState state) {
    int numTerms = state.getLength();
    String fieldName = state.getName();

    System.out.println("field is " + fieldName  + "   number of terms are  " + numTerms);
    if( numTerms <= 10 ) {
      // this shouldn't be possible, but be safe.
      if( numTerms < 0 ) { numTerms = 0; }

      return ARR[numTerms];
    }
    //else
    return (float)(1.0 / Math.sqrt(numTerms));
  }

  // For short fields , term frequency does not always lead to relevancy so returning 1.0 
  @Override
  public float tf(float freq) {
      return (float) 1.0;
  }