Question

我有一个产品数据库（足球），其中包含大约5k个产品。产品搜索的Lucene索引目前包含名称，类别，颜色和数字（ArtNo和EAN）。

问题的相关表示例：

| Name                   | Color            |
--------------------------------------------
| Nike Training football | red black        |
| Nike Match football    | black white      |
--------------------------------------------

对于索引我创建了一个自定义分析器，因此我可以使用其他行为扩展StandardAnalyzer。目前，流的创建看起来像这样：

TokenStream result = new StandardTokenizer(Util.Version.LUCENE_29, reader );
result = new StandardFilter(result);
result = new LowerCaseFilter(result);
result = new StopFilter(true, result, stoptable );
return result;

分析器用于索引器和搜索器。

这是当前的搜索逻辑：

BooleanQuery booleanQuery = new BooleanQuery(true);
string[] terms = query.Split(' ');

foreach (string s in terms)
{
  BooleanQuery subQuery = new BooleanQuery(true);

  var nameQuery = new FuzzyQuery(new Term("Name", s), 0.9f);
  nameQuery.SetBoost(6);
  subQuery.Add(nameQuery, BooleanClause.Occur.SHOULD);

  var colorQuery = new TermQuery(new Term("Color", s));
  subQuery.Add(colorQuery, BooleanClause.Occur.SHOULD);

  var categoryQuery = new FuzzyQuery(new Term("Category", s), 0.9f);
  categoryQuery.SetBoost(2);
  subQuery.Add(categoryQuery, BooleanClause.Occur.SHOULD);

  var numbersQuery = new TermQuery(new Term("Numbers", s));
  numbersQuery.SetBoost(10);
  subQuery.Add(numbersQuery, BooleanClause.Occur.SHOULD);

  booleanQuery.Add(subQuery, BooleanClause.Occur.MUST);
}

它已经以某种方式起作用了。

问题：

许多产品的名称或类别都包含用户刚刚搜索过的字词。在这个例子中，我使用过＆＃34; Nike Match football＆＃34;。（注意：我只翻译它用于SO，因为大多数术语在数据库中都是德语）

如果我搜索＆＃34; Nike football red ＆＃34;我确实得到了结果。但如果搜索＆＃34; Nike ball red ＆＃34;虽然这是用户搜索它的方式，但我还是得不到它。 Afaik Lucene无法搜索子串（除了通配符），因为它只比较令牌 - 我确实需要这样的东西。

我已使Name和Category模糊不清，并根据其相关性为每一栏提供了适当的推动。

我已经阅读了 Ngrams ，但我真的不知道如何正确使用它。将NGramTokenFilter添加到自定义分析器时，索引器可以正常工作。这里的问题是，我不希望每列（只是名称和类别），并且激活它时结果非常奇怪。

如果我将result = new NGramTokenFilter(result, 3, 4);添加到我的分析器并搜索＆＃34; nike ball ＆＃34;它什么都不返回。

Ngrams是解决方案吗？我做错了什么？

您对如何改进产品搜索还有其他建议吗？

Answer 1

我＆＃39;不熟悉Ngrams，但我认为你的情况有两种方法：

<强> 1。在搜索中使用通配符

在您要搜索的字段上使用前缀或模糊查询。重要的是你使用TextField（ Javadoc）因为这些字段将被分析（StringField不要）并用于全文搜索。基于此，应该可以使用多个不完全匹配的术语进行搜索。

<强> 2。使用不同领域的不同分析仪

您可以使用PerFieldAnalyzerWrapper Javadoc分析具有不同分析器的不同字段。定义哪个字段应该使用哪个分析仪进行分析，然后您就可以了。但请注意，您使用相同的分析器进行索引和搜索（它的lucene最佳实践）

其他信息

如果您使用通配符和变音符号（德语yaaaay），您必须知道不会像普通查询一样分析通配符查询。我遇到了同样的问题并用两种方式解决了这个问题：

＆＃34;归一化＆＃34; （没有变音符号保存 - ＆gt;转换为基本拉丁语分析器的字符）
＆＃34;非归一化＆＃34; （与Umlaut一起保存）

在这两个字段中搜索BooleanQuery时。

用于产品搜索的子字符串匹配

问题：

1 个答案: