MySQL全文检索匹配排序异常：相关结果排名靠后

我完全理解你的困惑——明明看起来更相关的结果，得分却和部分匹配的文档拉平了，这确实是MySQL全文检索默认行为容易让人踩坑的地方。咱们一步步拆解原因和解决方案：

核心原因：MySQL自然语言模式的TF-IDF得分机制 #

你当前用的是MySQL默认的自然语言模式，它的得分计算基于TF-IDF（词频-逆文档频率），而非简单的「匹配词数多少」或「是否连续匹配」，这几个关键点直接影响了你的结果：

1. 高频词权重被稀释
   如果某个词（比如'Tuhat'）在你的sonaotsing表中出现频率极高，MySQL会自动降低它的权重——因为这类词的区分度很低，没办法帮你筛选出真正相关的文档。如果一半以上的文档都包含'Tuhat'，那它对得分的贡献几乎可以忽略。

2. 短词/停用词被过滤
   检查你的MySQL配置：ft_min_word_len默认值是4，而'üks'是3个字符的爱沙尼亚语单词，如果没调整过这个参数，'üks'会被当成无效词直接过滤！同样，如果'ööd'在爱沙尼亚语的停用词列表里，也会被排除在计算外。这就导致你的查询实际只在匹配'Tuhat'，所有包含这个词的文档得分自然相差无几。

3. 连续匹配不占优先级
   自然语言模式不会给「连续匹配的短语」额外加分——不管'Tuhat üks ööd'是连续出现还是分散在句子里，只要包含这些有效词，得分计算逻辑是完全一致的。

验证你的情况 #

先运行以下命令检查全文检索的关键配置，确认是否存在上述问题：

SHOW VARIABLES LIKE 'ft%';

重点关注：

• ft_min_word_len：如果是4，那'üks'（3字符）肯定被过滤了
• ft_stopword_file：是否使用了爱沙尼亚语的停用词列表？如果是默认英文停用词，可能不影响，但如果有自定义列表，要确认'ööd'不在其中

解决方案：调整检索模式和配置 #

1. 用布尔模式+短语搜索强制优先匹配连续短语 #

这是最快解决你问题的方法：切换到布尔模式，并用双引号包裹目标短语，强制MySQL优先匹配连续的'Tuhat üks ööd'，同时给这个短语更高的权重：

SELECT r_nr, string, 
       MATCH(string) AGAINST('+"Tuhat üks ööd"' IN BOOLEAN MODE) AS score 
FROM raamat.sonaotsing 
WHERE MATCH(string) AGAINST('+"Tuhat üks ööd"' IN BOOLEAN MODE) 
ORDER BY score DESC 
LIMIT 10;

这里的+表示必须匹配这个短语，双引号强制连续匹配，真正包含完整短语的文档得分会远高于只包含单个词的文档。

2. 调整全文检索配置（需要重建索引） #

如果确实是短词被过滤的问题，修改my.cnf（或my.ini）中的参数：

ft_min_word_len = 2

重启MySQL后，重建FULLTEXT索引让配置生效：

ALTER TABLE raamat.sonaotsing DROP INDEX idx_string;
ALTER TABLE raamat.sonaotsing ADD FULLTEXT INDEX idx_string(string);

这样'üks'这类短词就会被纳入检索计算，得分会更符合你的预期。

3. 自定义得分逻辑（进阶） #

如果默认的TF-IDF还是不符合需求，可以结合自定义规则来排序，比如统计匹配词的数量、短语是否连续等：

SELECT r_nr, string, 
       MATCH(string) AGAINST('Tuhat üks ööd') AS score,
       -- 统计三个词的出现次数总和（按词长计算次数）
       (CHAR_LENGTH(string) - CHAR_LENGTH(REPLACE(string, 'Tuhat', '')))/6 +
       (CHAR_LENGTH(string) - CHAR_LENGTH(REPLACE(string, 'üks', '')))/3 +
       (CHAR_LENGTH(string) - CHAR_LENGTH(REPLACE(string, 'ööd', '')))/4 AS match_count
FROM raamat.sonaotsing 
WHERE MATCH(string) AGAINST('Tuhat üks ööd') 
ORDER BY match_count DESC, score DESC 
LIMIT 10;

这里通过计算每个词的出现次数作为次要排序依据，确保匹配词更多的文档排在前面。

总结 #

你的问题本质是MySQL默认自然语言模式的得分逻辑和你的预期不匹配，通过切换到布尔模式的短语搜索，或者调整短词过滤配置，就能让排序结果更符合你的需求。

内容的提问来源于stack exchange，提问作者w.k