"booster" différentes instances du même champ dans un document lucene

Question

Je souhaite utiliser un seul champ pour indexer le titre et le corps du document, afin d'améliorer les performances.

L'idée était de faire quelque chose comme ceci:

Field title = new Field("text", "alpha bravo charlie", Field.Store.NO, Field.Index.ANALYZED); 
title.setBoost(3) 
Field body = new Field("text", "delta echo foxtrot", Field.Store.NO, Field.Index.ANALYZED); 
Document doc = new Document(); 
doc.add(title); 
doc.add(body); 

Et puis je pouvais faire une TermQuery unique au lieu d'un BooleanQuery pour deux champs distincts.

Cependant, il s'avère qu'un coup de pouce de champ est le multiple de tout le coup de pouce des champs du même nom dans le document. Dans mon cas, cela signifie que les deux champs ont un boost de 3.

Y at-il un moyen que je puisse obtenir ce que je veux sans avoir à utiliser deux champs différents? Une façon serait d'ajouter plusieurs fois le champ title au document, ce qui augmente la fréquence du terme. Cela fonctionne, mais semble incroyablement mort cérébrale.

Je connais aussi le payloads, mais cela semble être un peu exagéré pour ce que je cherche.

Des idées?

Answer 1

Si vous souhaitez retirer une page du livre de Google (au moins leur ancien livre), vous pouvez créer des index distincts: un pour les corps de document, un autre pour les titres. Je suppose qu'il y a un champ stocké qui pointe vers un vrai UID pour chaque document réel.

La réponse alternative est d'écrire des implémentations personnalisées de [Similarité] [1] pour obtenir le comportement souhaité. Malheureusement, je trouve que Lucene a souvent besoin de cette personnalisation des problèmes uniques surgissent.

[1]: http://lucene.apache.org/java/3_0_2/api/all/org/apache/lucene/search/Similarity.html#lengthNorm(java.lang.String, int)

Answer 2

Vous pouvez index titre et le corps séparément avec le champ de titre dopé par une valeur souhaitée. Ensuite, vous pouvez utiliser MultiFieldQueryParser pour rechercher plusieurs champs.

Bien que, sur le plan technique, la recherche de multiples champs prend plus de temps, généralement même avec cette surcharge, Lucene a tendance à être extrêmement rapide (de l'ordre de quelques dizaines ou centaines de millisecondes.)