Solr - EDisMax -匹配子短语精确

Question

我正在查询一个简单的核心类别名称。

• 牛仔裤
• 紧身牛仔裤
• 靴子裁剪牛仔裤
• 鞋子
• ..。

我通常使用EDisMax。我希望用户查询，例如：

蓝色紧身牛仔裤

只匹配确切的类别。因此，在上述情况下，只有以下几项应该匹配：

• 紧身牛仔裤
• 牛仔裤

我用的是Solr 5.3.1。我尝试将类别"name“字段实现为字符串类型，并使用以下参数进行查询：

"params": {
      "q": "SKINNY JEANS",
      "defType": "edismax",
      "indent": "true",
      "qf": "name",
      "pf": "name",
      "pf3": "name",
      "wt": "json",
      "pf2": "name",
      "lowercaseOperators": "true",
      "debugQuery": "true",
      "stopwords": "true",
      "_": "1464079436985"
    }

但只有牛仔裤才配得上。为了我的命，我不能让紧身牛仔裤相配。

我对Solr的分析器越来越熟悉了，我试着生成以下类型来解决这个问题：

fieldType name="text_phrase" class="solr.TextField" positionIncrementGap="100">

      <analyzer type="index">
        <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.TrimFilterFactory" />
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>

      <analyzer type="query">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.TrimFilterFactory" />
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>

    </fieldType>

例如，使用KeywordTokenizerFactory索引类别名称而不进行标记化，但是将查询与EDisMax的pf/pf 2/pf3字段结合使用，但这也不起作用。我不认为带状疱疹是一个解决方案，而且PositionFilterFactory似乎不受欢迎。

如何EDisMax查询大字符串以获得较小的子字符串？

谢谢,

Answer 1

pf/pf2/pf3参数只是为了重新排列结果的顺序而起作用。它们必须首先匹配查询。这意味着你不能用它们来放弃任何结果，仅仅是为了把最好的结果提升到顶端。如果希望首先删除结果，则需要使用其他方法(例如，mm参数)。不幸的是，这是一个很难解决的问题，因为Solr不知道什么是用户的意思，哪些字段对于特定的查询是“强制的”。其中一些已经在泰德·沙利文的系列文章中讨论过，特别是关于查询自动筛选的。

此外，在您的示例中，pf/pf2/pf3只是作为一个普通的字段名使用，没有权重。这意味着他们实际上并没有指明优先次序。您可能会想要使用这样的东西来代替：

  "pf":"name^10",
  "pf3":"name^3",
  "pf2":"name^2",

正确使用时，应该会看到调试中显示的短语(启用了debugQuery标志)：

"+((name:blue) (name:skinny) (name:jeans)) ((name:\"blue skinny jeans\")^10.0) (((name:\"blue skinny\")^2.0) ((name:\"skinny jeans\")^2.0)) ((name:\"blue skinny jeans\")^3.0)"

Answer 2

因为您的查询端正在标记输入值，所以任何查询都将被分解为单独的令牌，然后这些标记将与存储的值匹配。

在“瘦身牛仔裤”的情况下，这将作为索引(SKINNY JEANS)中的一个标记保存下来，而在搜索时，字符串会被分割成不同的标记--因此它试图匹配BLUE、SKINNY和JEANS。这两个令牌都不匹配SKINNY JEANS (作为一个单一的大型令牌)。

Shingles可以工作(至少比当前的解决方案更好)，因为这将以BLUE_SKINNY、SKINNY_JEANS作为令牌结束，这取决于您的字段配置。请记住，所有这些情况都会导致JEANS SKINNY无法生成任何匹配。

我猜您可以通过查询中的板条工厂来解决这个问题，并在索引时插入适当的分隔符。该查询将以BLUE、SKINNY、JEANS、BLUE_SKINNY、SKINNY_JEANS作为查询的值，而SKINNY_JEANS则是索引的值--这意味着您将得到一个匹配(默认分隔符为‘'，因此插入板条因子作为查询链的最后一步应该更好。