探讨lucene检索优化

探讨lucene检索优化

个人认为：

1. 索引库具有的词语比较全面
2. 用户输入的词增加在数据库中添加相应的次数
3. 搜索的时候根据词语的次数权重排序

针对南京km的问题：

1. 应该从html编辑器拿取的文本去除掉html标签，放进检索库
2. 搜索的词语放进数据库做词语次数的统计
3. 根据统计去索引库拿取词语权重搜索后,再用点击次数排列

应该从html编辑器拿取的文本去除掉html标签，放进检索库

用正则表达式把html标签去除

搜索的词语放进数据库做词语次数的统计(或许有更好的方法)

根据统计去索引库拿取词语权重搜索后,再用点击次数排列

关键词转成词语的数组后，需要去掉语气词，及单个字。

搜索词语权重代码例子：

Term term = new Term(IndexContants.FIELD_TITLE, keyWord);
FuzzyQuery fuzzyQuery = new FuzzyQuery(term);
float weight1 = (float)2000.0;
fuzzyQuery.setBoost(weight1);
query.add(fuzzyQuery, BooleanClause.Occur.SHOULD);

先根据词语权重搜索出来后，然后再点击次数排序,参考例子:

Collections.sort(updateList, new Comparator<FileEntity>() {
    @Override
    public int compare(FileEntity o1, FileEntity o2) {
    	return (int) ( o2.getViews() - o1.getViews());
    }
});