关于Lucene的问题

Question

我正在研究Lucene，对于一些给我不同结果的查询有一些疑问。

三个查询是：

Q1 =“验证Java 8兼容”

Q2 =“Java 8未经验证为兼容”

Q3 =“Java 8未经验证为兼容”

我试图理解为什么Q1和Q2的结果如此相似，但与Q3不同。

任何人都可以告诉我这是什么类型的信息检索问题吗？我知道它与自然语言和IR索引和查询语言有关。

谢谢。

Answer 1

我猜你正在使用StandardAnalyzer使用默认（英语）停止集或EnglishAnalyzer。

无论哪种方式，停止词都是这里要关注的事情。 ＆＃34;＆＃34;，＆＃34; not＆＃34;，＆＃34; to＆＃34;，＆＃34; be＆＃34;，＆＃34; as＆＃34;，＆＃34;一个＆＃34;都是停用词，因此从索引中有效地消除了。

虽然它们不再可搜索，但已消除的停止词会留下位置增量，因此后分析表示将真正像

• Q1 =＆＃34; Java 8 _已验证_ _兼容＆＃34;

• Q2 =＆＃34; Java 8 _已验证_ _兼容＆＃34;

• Q3 =＆＃34; Java 8 _已验证_兼容＆＃34;

其中_表示一些已消除的，不可搜索的限位词。因此，基于该表示，在分析之后，Q1和Q2实际上是相同的查询。但是，Q3的位置增量减少了一个，这意味着它需要少一个字（或代币）出现在＆＃34;已验证的＃34;之间。和＆＃34;兼容＆＃34;。