Solr使用NGrams实现地址搜索时拼写相近地址匹配不准问题求助

问题根源 #

你遇到的问题核心是COURT属于地址高频后缀，在大量文档中都存在，现有配置下NGram拆分后，单个高频词的匹配得分和目标地址多词匹配的得分被拉平，导致无关文档排名靠前，可按以下方案调整：

解决方案 #

• 配置最小匹配规则过滤无关结果
  切换使用edismax查询解析器，新增mm（最小匹配数）参数，比如你的查询词拆分后为4个词时，设置mm=75%，要求文档至少匹配3个查询词才会返回，直接过滤掉仅匹配到COURT单个词的无关地址。

• 新增精确字段加权提升目标结果排名
  在schema中新增一个不使用NGram的精确文本字段，将地址字段内容拷贝到该字段，查询时给精确字段设置更高权重，配置示例如下：

<!-- 新增精确匹配字段类型 -->
<fieldType name="text_exact" class="solr.TextField" omitNorms="false">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <!-- 可选配置BM25相似度优化短文本评分 -->
  <similarity class="solr.BM25SimilarityFactory" b="0.3" k1="1.2"/>
</fieldType>
<!-- 新增精确匹配字段 -->
<field name="address_exact" type="text_exact" indexed="true" stored="false"/>
<!-- 拷贝地址字段内容到精确字段 -->
<copyField source="你的地址字段名" dest="address_exact"/>

查询时使用语法 q=(你的地址字段名:关键词 OR address_exact:关键词^5)，精确匹配到更多词的目标地址会获得数倍加权，排名自然靠前。

• 可选：新增拼写纠错组件修正输入误差
  针对地址拼写错误的场景，可配置Solr自带的SpellCheck组件，基于已有的正确地址库生成拼写词典，用户输入存在误差的查询词时自动纠正为正确拼写后再执行查询，从根源避免匹配偏差。

内容的提问来源于stack exchange，提问作者user2260040