Lucene Query Term Weighting

 

---

方法

 1     public static Query TermWeighting(Query tquery,Map<String,Float>term2weight){
 2         BooleanQuery nquery = new BooleanQuery();
 3         Set<Term> terms = new HashSet<Term>();
 4         tquery.extractTerms(terms);
 5         for(Term itr : terms){
 6             float weight = term2weight.get(itr.text());
 7             Query q =  new TermQuery(new Term(itr.field(), itr.text()));
 8             q.setBoost(weight); //設置權重
 9             nquery.add(q, BooleanClause.Occur.SHOULD);
10         }
11         return nquery;
12     }

傳入參數說明：

• 　　　　tquery：通過QueryParser解析後的Query對象
• 　　　　term2weight：計算好或人爲設定的每一個詞的檢索權重

---

背景

近期搜索：lucene如何設置query中不一樣term權重，瀏覽了不下百個頁面和解答。

使用最多的搜索詞組合如標題：Lucene Query Term Weighting

獲得的信息大體以下

一、 對lucene的score公式的說明：也就是在假設query中term的tf都爲1，新的query不列入df的計算，而後推導出一個vsm下的文檔之間的cosine similarity；

二、 lucene如何在index階段給不一樣的Document.setBoost, index或檢索階段給Filed.setBoost，以及檢索階段給Query.setBoost

　　吐槽1: 對於剛開始接觸lucene的同窗，對Query.setBoost <--- TermQuery.setBoost時略微有些迷茫的；

　　吐槽2: 額外， Clause的概念讓人有些迷茫，爲什麼不直接叫QueryTerm這種呢？

三、 對於TermWeight樹的解釋，基本同1；

---

 

亂入

上述都不能很好的解答個人需求，連stackoverflow中有些問答也是。

但，這跟初學者沒有熟識lucene也有關。

抑或說，是我搜索時用詞的姿式不對。