使 lucene 将字段中的所有术语视为单个术语

Question

在我的 Lucene 文档中，我有一个“公司”字段，其中公司名称被标记化。我需要对我的应用程序的某个部分进行标记化。但对于这个查询，我需要能够在整个公司字段上创建一个 PrefixQuery。

例子：

• 我的品牌
  • 我的
  • 品牌
• 婆罗门农场
  • 婆罗门
  • 农场

定期查询“bra”将返回两个文档，因为它们都有一个以 bra 开头的术语。
但我想要的结果只会返回最后一个条目，因为第一个术语以 bra 开头。

有什么建议么？

Answer 1

用一个 跨度查询 仅搜索第一个术语位置。由 SpanPositionRangeQuery 包装的 SpanMultiTermQueryWrapper 包装的 PrefixQuery：

<SpanPositionRangeQuery: spanPosRange(SpanMultiTermQueryWrapper(company:bra*), 0, 1)>

Answer 2

创建另一个索引字段，其中公司名称是 不是 代币化。必要时，搜索该字段而不是标记化的公司名称字段。

---

如果您想要快速搜索，则需要有直接指向感兴趣记录的索引条目。您可能可以使用邻近数据来过滤记录，但速度会很慢。我认为问题是：如何有效地执行对完整字段的“包含”查询？

您可以通过（为每个当前字段）创建“第一个术语”字段和“剩余术语”字段来最大程度地减少索引大小的增加。这将消除第一个术语在两个字段中的重复。对于“正常”查询，您可以在这些字段中的任一字段中查找查询词。对于“startswith”查询，您仅搜索“第一个术语”字段。但这似乎带来的麻烦多于其价值。