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); //设置权重
 9             nquery.add(q, BooleanClause.Occur.SHOULD);
10         }
11         return nquery;
12     }

传入参数说明：

• 　　　　tquery：通过QueryParser解析后的Query对象
• 　　　　term2weight：计算好或人为设定的每一个词的检索权重

---

背景

近期搜索：lucene如何设置query中不一样term权重，浏览了不下百个页面和解答。

使用最多的搜索词组合如标题：Lucene Query Term Weighting

获得的信息大体以下

一、 对lucene的score公式的说明：也就是在假设query中term的tf都为1，新的query不列入df的计算，而后推导出一个vsm下的文档之间的cosine similarity；

二、 lucene如何在index阶段给不一样的Document.setBoost, index或检索阶段给Filed.setBoost，以及检索阶段给Query.setBoost

　　吐槽1: 对于刚开始接触lucene的同窗，对Query.setBoost <--- TermQuery.setBoost时略微有些迷茫的；

　　吐槽2: 额外， Clause的概念让人有些迷茫，为什么不直接叫QueryTerm这种呢？

三、 对于TermWeight树的解释，基本同1；

---

 

乱入

上述都不能很好的解答个人需求，连stackoverflow中有些问答也是。

但，这跟初学者没有熟识lucene也有关。

抑或说，是我搜索时用词的姿式不对。