仅返回与Solr匹配足够的NGrams的结果

Question

要使用Solr实现某种程度的容错，我已经开始使用。下面是从schema.xml的野趣位：

<field name="text" type="text" indexed="true" stored="true"/> 
<copyField source="text" dest="text_ngram" /> 
<field name="text_ngram" type="text_ngram" indexed="true" stored="false"/> 

<fieldType name="text_ngram" class="solr.TextField" positionIncrementGap="100"> 
    <analyzer> 
     <tokenizer class="solr.KeywordTokenizerFactory" /> 
     <filter class="solr.NGramFilterFactory" minGramSize="3" maxGramSize="3" /> 
    </analyzer> 
</fieldType> 

我使用与相当多的股票配置的EDisMax查询处理程序。这里是有趣的线从solrconfig.xml：

<requestHandler name="/browse" class="solr.SearchHandler"> 
    <lst name="defaults"> 
     <!-- Query settings --> 
     <str name="defType">edismax</str> 
     <str name="qf"> 
     name name_ngram^0.001 
     </str> 
     <str name="mm">100%</str> 
     <str name="q.op">AND</str> 
     ... 

这工作得很好但是给了我很多不相关的结果。使用Solr的分析功能我认为我已经跟踪到这个问题，原因如下：

该查询分解为NGrams。然后，Solr搜索text字段中的标记化查询或text_ngram字段中的一个NGrams。使用debug=query会打印出以下parsedquery的“东西”搜索时：

(+DisjunctionMaxQuery(((text_ngram:som text_ngram:ome text_ngram:met text_ngram:eth text_ngram:thi text_ngram:hin text_ngram:ing) | text:something)))/no_coord 

如果我没有理解错这意味着要么

1. 其中的n-gram的需要匹配或
2. 原查询（标记化）需要匹配

现在，这也会找到像“以太网”这样的项目作为NGrams之一（eth）是一样的。

我的问题是：如何为NGram比赛设置更高的门槛？有没有办法说“只有在查询中至少有90％的NGrams匹配时才返回该项目”？确保100％的NGrams匹配没有意义，因为这会有效地消除容错。

我想到的另一种方式是仅返回高于某个得分阈值的结果，而不是最高结果。这是因为与“以太网”相比，“某物”的相关性非常高。那么有没有办法挂钩到Solr只返回例如有结果。最高成绩的至少1/100分？我读到有一种方法可以提供自定义HitCollector，但我无法真正找到关于此的任何信息。

谢谢！

Answer 1

这个想法是实现某种容错搜索。当有人搜索“someting”它应该找到“东西”

Solr的SpellChecker模糊搜索，你可以设置阈值http://wiki.apache.org/solr/SpellCheckComponent。