【Lucene总结-索引】5.lucene索引_加权操作和Luke的简单演示

光仔December

于 2019-05-25 16:39:57 发布

阅读量880

点赞数 1

分类专栏：全文检索文章标签： lucene Luke boost 加权 BoostQuery

本文链接：https://blog.csdn.net/acmman/article/details/90548524

版权

全文检索专栏收录该内容

5 篇文章 0 订阅

订阅专栏

接上篇《4.lucene索引的删除和更新》注：演示程序的lucene版本为8.0.0
上一篇我们讲解了lucene索引的删除和更新操作，本篇我们继续讲解索引的操作，如何对索引进行加权操作，和Luke的简单演示。

一、索引加权

对于索引而言，有时候是需要一些排序的。哪些索引比较重要，哪些索引不是那么重要，这就牵扯到加权的问题，我们通过加权，来对索引进行一个排序调整。根据需要的不同，对不同的关键值或者不同的关键索引分配不同的权值，让权值高的内容更容易被用户搜索出来，而且排在前面。

如何对索引来加权呢？在lucene6.0之前的时候，我们可以通过创建索引时，去设置Field的Boost激励因子，或者直接设置整个Document的Boost激励因子，来达到加权的效果。Boost激励因子数值越大，权值越大，越容易被搜索到：

doc = new Document();
doc.add(new StringField("id",ids[i],Store.YES));
StringField emailField = new StringField("email",emails[i],Store.YES)
if(emails[i].contains("163.com")){//如果邮箱为163的，权值设置高一些
    emailField.setBoost(1.5f);
}
doc.add(emailField);
writer.addDocument(doc);

或直接设置整个Document的Boost：

doc = new Document();
doc.add(new StringField("id",ids[i],Store.YES));
doc.add(new StringField("email",emails[i],Store.YES));
doc.setBoost(1.5f);
writer.addDocument(doc);

注：如果不设置Boost，默认权值都是1.0。

而在lucene6.0版本之后，移除了setBoost方法，也就是在创建索引的时候不能去设置权值了。那么lucene6.0之后如何给索引加权呢？
其实在lucene6.0之后，加权操作不在添加索引的时候去设置了，因为一旦固化了索引的权值，以后索引权值变化的时候，需要重新生成索引，比较麻烦。lucene6.0之后的加权策略，变成了检索时，可以为检索条件设置权值，这样就会优先查询比较重要的检索条件。这里使用到了BoostQuery类，其中BoostQuery构造函数源码：

public BoostQuery(Query query, float boost) {
    this.query = (Query)Objects.requireNonNull(query);
    this.boost = boost;
}

也即是使用BoostQuery，在查询的时候，会将query对象，boost权值包装进去，然后通过符合查询语句，来突出Query的优先级。例如：

Query query1 = queryBuilder.createPhraseQuery("name", "jack");
Query query2 = queryBuilder.createPhraseQuery("content", "to");
//为query1设置boost权值
BoostQuery query3 = new BoostQuery(query1,2.0f);
//因为查询条件有两个，所以设置复合查询
Builder builder = new BooleanQuery.Builder();
builder.add(query3, Occur.MUST);//MUST必要条件
builder.add(query2, Occur.MUST);//MUST必要条件
//因为name的查询语句经过BoostQuery的包装，所以name的优先级更高
BooleanQuery query = builder.build();

这里的BoostQuery用来封装查询对象Query，并为其加权值。对于多个条件的复合查询，可以通过这种设定方式，来指定查询条件的重要程度，以此来获取相关重要程度的查询结果。

二、Luke工具的使用

我们还记得在文件夹中生成的索引文件吗？这里我们可以使用Luke工具对lucene生成的索引文件进行可视化查看。
Luke官方下载地址：https://github.com/DmitryKey/luke/releases
点击下载：

下载完毕解压后，windows系统双击luke.bat执行文件，即可启动Luke：

启动完毕后，界面如下：

我们这里点击“Browse”选择索引所在的文件夹地址，导入相关索引文件进行分析：

点击“ok”后，就可以看到相关的索引信息。
第一个选项卡“Overview”中是索引总览信息：

可以看到左侧是索引中可用Field域的统计，右侧是我们存储的所有索引的Filed的各个value信息以及分词情况，像content我们设置了分词，这里就是被标准分词器分成了一个一个的字符:

而email和name等信息，没有设置分词，所以存储的是整个字符串:

第二个选项卡“Documents”是文档信息：

上面可以进行Term(词)的查询，即是选择一个Term(Filed域中的key)，查询相关的value值：

下面使用编号(文档默认从0开始编号)进行进行document的查询，点击箭头可以看到上一个以及下一个document的相关信息；

上图就是查询文档ID是2的Document文档信息。其中的Filed是域的名字，Flags是该域的存储设置，具体的设置项点击“Help”即可查看：

然后Norm为权值，默认为0；value即是该Filed域的存储的值。