Apache布尔查询的结果编号

Question

当对ApacheLucenev7.5进行基准测试时，我注意到了一种奇怪的行为:我使用Lucene和SimpleAnalyzer (没有停止，没有词干)将英语维基百科转储(5,677,776个文档)编入索引。

然后，我使用以下查询搜索索引：

• totalHits=5,382,873
• 世卫组织 totalHits=1,687,254
• 世界卫生组织( totalHits=5,411,305 )
• “世卫” totalHits=8,827

布尔查询的结果号when 都大于单项的结果号和单项who的结果号，当结果号应该小于两者时。

有什么解释吗？

代码片段：

analyzer = new SimpleAnalyzer();
MultiFieldQueryParser parser = new MultiFieldQueryParser(new String[]{"title", "content","domain","url"},analyzer);

// Parse
Query q = parser.parse(querystr);

// top-10 results
int hitsPerPage = 10;

IndexReader indexReader = DirectoryReader.open(index);
IndexSearcher searcher = new IndexSearcher(indexReader);

// Ranker
TopScoreDocCollector collector = TopScoreDocCollector.create(hitsPerPage);

// Search
searcher.search(q, collector);

// Retrieve the top-10 documents
TopDocs topDocs=collector.topDocs();

ScoreDoc[] hits = topDocs.scoreDocs;
totalHits=topDocs.totalHits;


System.out.println("query: "+querystr + " " + hits.length+" "+String.format("%,d",totalHits));

Answer 1

其解释是OR而不是您假设的AND。搜索the who将返回具有the或who或两者的文档。

the - 5,382,873
who - 1,687,254
the OR who - 5,411,305

也就是说，大多数包含who的文档也包含the，除了在检索这两个文档时添加到结果集中的28432个文档之外。

可以通过更改默认运算符来更改此行为：

parser.setDefaultOperator(QueryParserBase.AND_OPERATOR)