如何在Solr中实现带boosting的部分短语匹配

Shingle完全适配该场景，它可以在索引阶段生成指定长度的相邻词组合（N元短语），天然支持不同长度短语的匹配和加权需求。除了Shingle方案外，也可以直接使用edismax查询解析器自带的多短语加权参数实现需求，无需修改索引结构，落地成本更低。

该方案利用edismax内置的pf3（3元短语加权）、pf2（2元短语加权）参数，直接对不同长度的查询短语分配权重即可满足排序要求，无需调整索引结构。

调整后的查询参数示例 #

https://localhost:8983/solr/app_index/select?
defType=edismax&
tie=0.01&
q=userinput&
qf=bodycontent_t Title Desc&
pf3=Title^50 Desc^30&
pf2=Title^20 Desc^10&
qs=2

参数说明 #

• pf3：对查询词拆分后生成的所有连续3元短语匹配的结果加权，给最高权重保证完整3元短语排在最前
• pf2：对查询词拆分后生成的所有连续2元短语匹配的结果加权，权重低于3元短语，保证2元匹配结果在单字匹配之前
• qf：指定所有参与查询的字段，替代原来单独限定bodycontent_t的逻辑，保证多字段都参与匹配
• qs：短语查询的允许slop，可按需求调整短语间允许的词间距

如果需要更高的短语匹配查询性能，可通过配置Shingle过滤器改造索引结构，步骤如下：

步骤1：配置带Shingle的字段类型 #

在managed-schema（或schema.xml）中新增带Shingle过滤的字段类型，示例配置如下：

<fieldType name="text_shingle" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ShingleFilterFactory" 
            minShingleSize="2" 
            maxShingleSize="3" 
            outputUnigrams="true"
            outputUnigramsIfNoShingles="false"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

步骤2：修改字段类型关联 #

将Title、Desc、bodycontent_t字段的type调整为上面定义的text_shingle，重新导入全量数据生成索引。

步骤3：查询加权配置 #

在查询参数中给不同长度的Shingle短语分配对应权重即可，可直接复用方案1的查询参数配置，查询性能会优于原生短语匹配。

你之前的配置只对整个用户输入的完整短语做了加权，当用户输入3个及以上词时，只有完整匹配所有输入词的内容才能拿到短语权重，中间的连续2词组合没有对应的加权规则，因此无法得到预期排序。

内容的提问来源于stack exchange，提问作者Thamizh