Lucene Query Term Weighting

 

---

方法

    public static Query TermWeighting(Query tquery,Map<String,Float>term2weight){
        BooleanQuery nquery = new BooleanQuery();
        Set<Term> terms = new HashSet<Term>();
        tquery.extractTerms(terms);
        for(Term itr : terms){
            float weight = term2weight.get(itr.text());
            Query q =  new TermQuery(new Term(itr.field(), itr.text()));
            q.setBoost(weight); //设置权重
            nquery.add(q, BooleanClause.Occur.SHOULD);
        }
11         return nquery;
12     }

传入参数说明：

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

---

背景

近期搜索：lucene如何设置query中不同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

得到的信息大致如下

1、 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，然后推导出一个vsm下的文档之间的cosine similarity；

2、 lucene如何在index阶段给不同的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的同学，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，为何不直接叫QueryTerm这种呢？

3、 对于TermWeight树的解释，基本同1；

---

 

乱入

上述都不能很好的解答我的需求，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势不对。