如何修改SOLR tf idf相似度？

Posted 2021-05-04

我正在尝试搜索标题因此只是单词的存在就足够了，其频率至少与我的用例无关。

例如：搜索查询是：“早点登上我的宠物”

我得到的结果是：结果1：宠物2.3924026

结果2：宠物计算机舱宠物限制2.0538325

结果3：宠物预售允许1.6092906

理想情况下，我希望结果3位于顶部，需要一些外部工作。然而，结果1是显而易见且可接受的，但结果2的得分为2.05，因为其“宠物”被提及两次，暗示tf值更高[2/4（在删除停止词之后）]。我的要求只是检测单词的存在而不是单词的频率。

怎么做到这一点？

答案

如果您不需要短语搜索或其他依赖于索引位置数据的功能，则可以将omitTermFreqAndPositions="true"用于相关字段。在这种情况下，不会存储条款的位置或频率。

如果这不是一个选项，您可以创建一个扩展DefaultSimilarity的虚拟相似度类，并为tf返回1.0f。这样的例子可以在Solr Custom Similarity找到。

您还可以为每个字段配置不同的相似度类，允许您删除单个字段的tf评分。

第三种选择是使用the constant scoring operator作为您希望获得常量分数的查询部分。不确定edismax解析器是否支持此功能。