按语言搜索和排序

Question

我正在测试Lucene.NET以满足我们的搜索需求，并且我有几个问题。

我们在XML格式的文件。每个文档都包含多语言文本。文件数量和语言本身因文件而异。请参阅以下示例：

<document>This is a sample document, which is describing a <word lang="de">tisch</word>, a <word lang="en">table</word> and a <word lang="en">desk</word>.</document> 

文档的关键字标有特殊元素和语言属性。

当我创建Lucene索引我提取XML和对语言和关键字的（我不知道如果我要）文本内容，就像这样：

This is a sample document, which is describing a tisch, a table and a desk. 

de - tisch 
en - table 
en - desk 

我不知道具体如何创建一个索引，我将能够搜索例如： - 所有包含德语单词tisch的文档（而不是包含其他语言的单词tisch的文档）。

而且我想指定在运行时排序： 我想按用户指定的语言顺序（取决于用户界面）进行排序。例如，如果我们有两个文件：

<document>This is a sample document, which is describing a <word lang="de">tisch</word>.</document> 
<document>This is a another sample document, which is describing a <word lang="en">table</word>.</document> 

和“蒂施或表”上的英文界面的用户搜索我想先拿到第二个结果。

的任何信息或建议表示赞赏。

非常感谢！

Answer 1

你有一个设计决策做出，其中选项有：

• 使用一个单一的指标，其中每个文件都有每它使用的每种语言的一个字段，或
• M用索引，M为语料库中的语言数量。

如果使用多索引方法，将搜索限制为特定语言或一组语言会更容易 - 只需在索引中搜索这些语言，而不是使用其他语言。此外，按语言排序变得更容易。因此，如果您没有 ，那么需要来自不同语言的关键字的“AND”搜索会出现在同一个文档中，我会建议M-index方法。

根据你的榜样，我认为这些文件不是特别标记的部分是英文的。如果是这样，您可以将文档文本作为单独的字段添加到英文索引中;其他索引只需要存储一个文档ID，这将使它们更轻。