关于Lucene搜索中查询器 PhraseQuery 的解释
这几天看Lucene,看到检索那块,被PhraseQuery折腾了一阵,那本《Lucene In Action》里的代码版本太旧了，也不知是翻译的问题还是我的理解问题，总之在看PhraseQuery的设置slop时费了半天劲，不过，总算是搞明白了，发个帖子来分享一下：
所谓PhraseQuery，就是通过短语来检索，比如我想查“big car”这个短语，那么如果待匹配的document的指定项里包含了"big car"这个短语，这个document就算匹配成功。可如果待匹配的句子里包含的是“big black car”，那么就无法匹配成功了，如果也想让这个匹配，就需要设定slop，先给出slop的概念：slop是指两个项的位置之间允许的最大间隔距离，下面我举例来解释：
我的待匹配的句子是：the quick brown fox jumped over the lazy dog.
例1： 如果我想用“quick fox”来匹配出上面的句子，我发现原句里是quick [brown] fox，就是说和我的“quick fox”中间相差了一个单词的距离，所以，我这里把slop设为1，表示quick和fox这两项之间最大可以允许有一个单词的间隔，这样所有“quick [***] fox”就都可以被匹配出来了。
例2：如果我想用“fox quick”来匹配出上面的句子，这也是可以的，不过比例1要麻烦，我们需要看把“fox quick”怎么移动能形成“quick [***] fox”，如下表所示，把fox向右移动3次即可：
| fox | quick | |||
| 1 | fox|quick | |||
| 2 | quick | fox | ||
| 3 | quick | fox |
例3：如果我想用“lazy jumped quick”该如何匹配上面的句子呢？这个比例2还要麻烦，我们要考虑3个单词，不管多少个单词，slop表示的是间隔的最大距离，详细起见，我们分别来看每种组合：(我的待匹配的句子是：the quick brown fox jumped over the lazy dog.)
- lazy jumped:原句是jumped [over] [the] lazy，就是说它们两个之间间隔了2个词,如下所示：需要把lazy向右移动4位
| lazy | jumped | ||||
| 1 | lazy|jumped | ||||
| 2 | jumped | lazy | |||
| 3 | jumped | lazy | |||
| 4 | jumped | lazy |
- lazy jumped quick：我们主要看lazy和quick，但是由于jumped是在中间，所以移动的时候还是要把jumped考虑在内，原句里lazy和quick的关系是：quick [brown] [fox] [jumped] [over] [the] lazy ，quick lazy中间间隔了5个词，所以如下图所示，把lazy向右移动8次
| lazy |
jumped |
quick | |||||||
|
1 |
|
lazy|jumped |
quick |
|
|
|
|
|
|
|
2 |
|
jumped |
lazy|quick |
|
|
|
|
|
|
|
3 |
|
jumped |
quick |
lazy |
|
|
|
|
|
|
4 |
|
jumped |
quick |
|
lazy |
|
|
|
|
|
5 |
|
jumped |
quick |
|
|
lazy |
|
|
|
|
6 |
|
jumped |
quick |
|
|
|
lazy |
|
|
|
7 |
|
jumped |
quick |
|
|
|
|
lazy |
|
|
8 |
jumped |
quick |
lazy |
- 最后是jumped qucik，这里不详细画表格了，大家可以自己试试，应该是把jumped向右移动4次。
综合以上3种情况，所以我们需要把slop设为8才令“lazy jumped quick”可以匹配到原句。
OK，就到这里吧，希望对大家有帮助，如果我理解有误，也请指出，谢谢~