关于Lucene的问题

Question

我正在研究Lucene，并对一些问题提出了一些问题，这些问题给了我不同的结果。

这三个查询是：

Q1 =“Java8经验证是兼容的”

Q2 =“Java8未验证为兼容”

Q3 =“Java8未验证为兼容”

我试图理解为什么Q1和Q2的结果如此相似，但与Q3不同。

还有人能告诉我这是什么类型的信息检索问题吗？我知道这与自然语言、IR索引和查询语言有关。

谢谢。

Answer 1

我猜您使用的是StandardAnalyzer和默认的(英语)停止集或EnglishAnalyzer。

不管是哪种方式，停止言语都是这里应该关注的问题。"is“、"not”、"to“、"be”、"as“和"a”都是停止词，因此有效地从索引中删除。

虽然它们不再是可搜索的，但已删除的停止词确实会留下一个位置增量，所以分析后的表示方式实际上类似于

• Q1 =“Java8_验证__兼容”
• Q2 =“Java8_验证__兼容”
• Q3 =“Java8_ verified _ compatible”

其中an _表示一些已消除的、不可搜索的词组。因此，基于这种表示，经过分析，Q1和Q2实际上是相同的查询。然而，Q3的位置增量却少了一个，这意味着它期望在“验证”和“兼容”之间少出现一个单词(或标记)。