Solr检索：如何匹配模糊Token及拼接字段的目标文档？

核心逻辑 #

通过布尔查询组合两个独立条件，用OR逻辑覆盖两类目标文档：

• 保留原有的edismax查询规则，确保至少75%的查询Token匹配
• 添加针对Shingle生成的拼接词的匹配规则，命中含连续词拼接的文档

具体查询语句 #

q=(_query_:"{!edismax qf='name' mm='75%'}Game Thrones Clash") OR (_query_:"{!edismax qf='name'}GameThrones OR ThronesClash")

各部分说明 #

1. 第一子查询（匹配75%Token）

   • 复用原有edismax配置：{!edismax qf='name' mm='75%'}Game Thrones Clash
   • 因查询含3个Token，mm='75%'自动向上取整为至少匹配2个Token，精准命中id为0553573403、0553573406、0553573407、0553573408的文档

2. 第二子查询（匹配拼接词）

   • 利用已配置的ShingleFilterFactory生成的拼接词（如GameThrones、ThronesClash）进行精准匹配
   • 直接查询这些拼接词，命中id为0553573409、0553573410的文档

额外验证（可选） #

确认text_general字段索引分析链的Shingle配置是否正确（确保拼接词被索引），示例配置如下：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ShingleFilterFactory" minShingleSize="2" maxShingleSize="2" outputUnigrams="true"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

• outputUnigrams="true"确保原始Token也被索引，保证第一子查询正常工作
• minShingleSize="2"指定生成2词拼接的Shingle，与需求匹配

内容的提问来源于stack exchange，提问作者user595014