php使用edismax,solr入门之权重排序方法初探之使用edismax改变权重

作搜索引擎避免不了排序问题,当排序没有要求时,solr有本身的排序打分机制及sorce字段html

1.无特殊排序要求时,根据查询相关度来进行排序(solr自身规则)算法

2.当涉及到一个字段来进行相关度排序时,能够直接使用solr的sort功能来实现apache

3.对多个字段进行维度的综合打分排序(这个应该才是重点,内容)

函数

使用Solr搭建搜索引擎很容易，可是如何制定合理的打分规则(boost)作排序倒是一个很头痛的事情。Solr自己的排序打分规则是继承自 Lucene的文本相关度的打分即boost，这一套算法对于通用的提供全文检索的服务来说，已经够用了，可是对于一些专门领域的搜索来说，文本相关度的 打分是不合适的。

如何来定制适合自身业务的排序打分规则(boost)呢？通过这段时间的思考与实践，想到了以下三个方法oop

一、定制Lucene的boost算法，加入本身但愿的业务规则；

二、使用Solr的edismax实现的方法，经过bf查询配置来影响boost打分。

三、在建索引的schema时设置一个字段作排序字段，经过它来影响文档的整体boost打分。

上面每一种方法都有其优劣，下面分析一下各自的优劣。ui

第一种方法技术难度要求较高，须要读懂Lucene的boost打分算法，在代码层作定制.

第二种方式就简单很多，不过由于受限于edismax提供的方法，因此有些局限性。

第三种排序可彻底消除文本相关性打分的影响，文本检索匹配逻辑只负责打到匹配的项，排序由自定义字段处理。

上面是从网上收集的资料,可能还有别的解决办法,这里就再也不说了.相对而言,咱们付出成本最低的解决办法就是使用solr自身提供的权重计算方法 :搜索引擎

dismax和edismax来进行从新的权重计算排序.下面咱们重点收集相关信息和对其进行真正的项目实践!spa

官方资料:

使用dismax和edismax须要用到查询函数具体资料:

官方资料:

中文资料:

dismax和edismax的区别--

看过这个博客大概能够总结出来,要使用复杂的权重排序时必须使用dismax或者edismax中的bf来从新设置score来进行天然的权重排序

由于edismax是dismax的升级版,之后都使用edismax来作.dismax来做为潜在研究

实践:

下面讲下dismax的主要参数qf，由于其余的参数没有去分析。不能乱讲。

qf

例如：qf=fieldOne^2.3 fieldTwo fieldThree^0.4,

qf 参数时指定solr从哪些field中搜索。像下面的话就只会在fieldOne，fieldTwo fieldThree这三个field中搜索。若是你还指定了q参数，好比q=“hadoop”，那么solr会认为是到 fieldOne，fieldTwo， fieldThree这三个field中搜索hadoop，这三个是并集的关系。生成的query为：fieldOne：hadoop^2.3 | fieldTwo:hadoop | fieldThree:hadoop^0.4 因此你定义了dismax的话，你的查询参数q就不要写成相似q=“title:hadoop”这样了。由于这样的话最终的查询 为：fieldOne：title:hadoop^2.3 | fieldTwo:title:hadoop | fieldThree:title:hadoop^0.4 除非你的这几个field里有“title:hadoop”这样的词存在，不然是查不到结果的。.net

Solr 支持多种查询解析，给搜索引擎开发人员提供灵活的查询解析。Solr 中主要包含这几个查询解析器：标准查询解析器、DisMax 查询解析器，扩展 DisMax 查询解析器(eDisMax)

Dismax

Dismax handler比standard handler多以下功能：

以不一样的权值来搜索多个field。

限制查询语法为一个小的集合而且用无语法错误。该特性是强制的并是不可配置的

整个搜索查询的自动的短语boosting

便利的查询boosting参数，一般同函数查询一块使用

能指定单词匹配的最少个数，这取决于查询串中的单词数.

Dismax query parser

这里提到的全部应用于dismax的也都适用于edismax，除非明确说明不适用。其实edismax就是打算在将来的发布版本中替代dismax的。

Lucene DisjunctionMaxQuery

dismax能够查询多个field，而且每一个field使用不一样的boost。这个功能是由lucene的DisjunctionMaxQuery查询 类型来支持。如下的讨论都是高级内容，不用刻意理解。只是记住dismax针对多个字段的查询会设置tie参数为0.1，这也是合理的选择。

举个例子。若是有一个简单查询rock。dismax可能会将它配置为DisjunctionMaxQuery为fieldA:rock2 fieldB:rock1.2 fieldC:rock0.5, 若是是boolean查询的话会跟这个查询有些不一样，不一样的地方也就是得分。相似的boolean查询的得分会基于这三个条文的总和，也就是 DisjunctionMaxQuery会使用每个的最大值。针对多个字段查询同一个term的状况，而且有些字段相对于另外一些字段更重要，那么 dismax应该更好的处理得分。API文档中的一个例子对这个特征的解释是，若是用户查询albino elephant，那么假若有一种状况是albino匹配一个字段，elephant匹配另外一个字段，另外一种状况是albino匹配两个字段，可是 elephant没有一个匹配，那么dismax保证第一种状况的得分高于第二种状况。 另外一个dismax得分的难题就是tie参数，tie的取值是0-1，默认是0，在实践中设置为0.1效果最好。

Boosting:Automatic phrase boosting

dismax会把phrase查询也就是引号引发来的查询进行转换，来改进得分。例如查询billy joel 会转换为+(billy joel) "billy joel"也就是说，若是一个文档包含billy joel，那么它不只匹配原始term并且还匹配billy和joel，也就是匹配三个term，若是另外一个文档不匹配短语billy joel，只是含有两个单词，那么lucene的得分算法会给第一个文档更高的得分。

Configuring automatic phrase boosting

automatic phrase boosting默认是不启用的。要使用的话可使用pf参数，就是phrase fields的缩写。语法与qf相同。用相同的值做为开始并作相应的调整，从qf到pf变化一般的缘由有如下几点：

使用不一样的boost因素让短语加强的影响没有压倒性。一些经验能够来引导你作这些调整。

忽略那些只有一个term的字段。好比惟一标识字段。

忽略那些含有太大的文本值的字段，由于它可能全使查询效率大大下降。

使用一个具体相同值，可是使用不一样analyzed的字段来替换这个字段

一样的强烈推荐使用common-grams和shingling来提升执行效率。

Phrase slop configuration

phrase slop就是短语后跟一个波浪线和一个数字，就像这样"billy joel"~1 对于全部明确指定的短语查询dismax会自动添加两个参数来设置slop：qs和phrase boosting：ps，若是slop没有指定那么就至关因而0。 10

Partial phrase boosting

若是查询的是两个单词，那么edismax支持加强为连续的单词对，若是是三个单词，那么能够加强三倍。例如查询how now brown cow 会变为： +(how now brown cow) "how now brown cow" "how now" "now brown" "brown cow" "how now brown" "now brown cow" 这个特征不会被ps参数影响，ps只应用于entire phrase boost。

Boosting：boost queries

dismax的bq参数能够用来指定多个查询，相似于automatic phrase boost。以相似的方式被添加到用户的查询中。记住一点，boosting只是用来影响q参数指定的用户查询所匹配到的那些文档的scoring。若是 匹配的结果还匹配bq查询，那么这个文档的得分会更高。 (: -r_type:aaa)2加强全部文档得分，可是除了aaa。 boost queries不如boost functions有用。

Boosting：boost functions

boost functions提供一个强大的功能就是使用用户设置的公式来对文档的score进行计算。这里所说的公式也就是solr的function queries，使用bf参数来操做score。edismax支持boost参数来进行function query。可使用bf或boost屡次。

recip(map(rord(r_event_date),0,0,99000),1,95000,95000)

函数中不能有空格。bf和boost两个参数其实并无以相同的方式解析。bf参数容许多种boost functions使用相同的参数，以空格分开，两者选一的话仍是使用bf参数。还能够在bf参数中乘以因子在函数的结尾。好比100

Demo

搜索功能中比较复杂的是文档的打分排序，solr中的打分规则继承了lucene中的相关的打分规则，这里经过solr的dismax查询解析器来支持复杂的打分

在打分的时候，会考虑如下因素，

搜索关键字匹配某些字段的打分比其余的字段要高(qf^)

对于某些字段，搜索字符串的密集度(phrase)的打分中占的比重(pf^)

其余复杂规则计算，好比销售量、价格、卖家等级等等均可以做为考虑的因素，影响打分(bf)

http://10.1.1.58:8080/solr/select?defType=dismax&qf=name^100  subject ^1 &q=sony mp3&pf=name^100  subjec ^1&q.op=OR&bf=sum(recip(ms(NOW,last_modified),3.16e-11,1,1),div(1000,price))^100

这个查询的含义是，在name和subject中搜索关键字sony mp3，name和subject在字段查询中的比重分别为100、1(qf=name^100subject ^1)；而且这两个字段phrase的打分为

pf=name^100 subject ^1，也就是name占的比重大一些；其余还参考产品的价格和商品更新时间(bf=sum(recip(ms(NOW,last_modified),3.16e-11,1,1),div(1000,price))^100)

我得查询

默认查询--按照docid排序

按照sort条件排序

第三:按照eidsmax设置的的公式计算出来的score结果来进行排序

使用后感受:

edismax主要就是用来改变score的做用,进而来进行本身想要的score默认排序

每一个参数的意思你们能够百度的一下网上的资料或者看官方资料

其中几个意思

q.alt 为主查询未设置时使用的查询条件(主查询设置后不起用)

搜索关键字匹配某些字段的打分比其余的字段要高(qf^)

对于某些字段，搜索字符串的密集度(phrase)的打分中占的比重(pf^)

bf部分是用来解决比较复杂的权重问题了,其中须要用到solr的查询函数

官方资料:

中文资料:

我的猜测:edismax应该是能够动态的来使用的,便可以在代码中来进行表达式的生成工做

从而使你想要的每一个方法的权重都是能够自定义的.这仅仅是猜测!下周一试验一下是否能够实现!!