原文:Lucene.Net 2.3.1开发介绍 —— 三、索引(六)
2.2 Field的Boost
如果说Document的Boost是一条线,那么Field的Boost则是一个点。怎么理解这个点呢?设置Document的Boost会影响所有字段。在搜索的过程中,一般至少会搜索两个Field,比如同时搜索标题和内容。而Document的Boost将同时影响标题和内容的搜索得分,但是设置Field的Boost则不会有那么大的影响,Field的Boost只会影响一个点。那这个点有什么用呢?
现在来做个假设,假设,现在有一条记录是关于Lucene的,这篇文章讲得很好,我想要让别人搜索Lucene这个关键字的时候,这条记录一定排在前10。怎么办?设置Docuement的Boost?设置得还很高?OK!这篇文章里面也有其他关键字,比如"asp.net","Sql Server"。现在搜索"asp.net",发现这篇文章也跑到前10了。这可不是我想要的。
怎么办呢?
现在有两个解决办法,一个就是冗余一个Field,里面记录了Tag一类的东西,给这篇文章设置Tag值为“Lucene”,同时在索引tag字段的时候把它的Boost调高。比如代码2.2.1,在添加完文档后把该文档的tag这个Field Boost设置为想要的。
代码2.2.1
1/**//// <summary>
2/// 添加文档
3/// </summary>
4/// <param name="writer">维护文档管理器</param>
5/// <param name="title">标题</param>
6/// <param name="content">内容</param>
7/// <param name="tag">tag</param>
8/// <param name="boost">tag的boost</param>
9void AddDocument(IndexWriter writer, string title, string content, string tag, float boost)
10{
11 Document document = new Document();
12 document.Add(new Field("title", title, Field.Store.YES, Field.Index.TOKENIZED));
13 document.Add(new Field("content", content, Field.Store.YES, Field.Index.TOKENIZED));
14 document.Add(new Field("tag", content, Field.Store.YES, Field.Index.TOKENIZED));
15 document.GetField("tag").SetBoost(boost);
16 writer.AddDocument(document);
17}
当然,这样处理不是很好,一来,增加一个字段,给维护上带来难度,而且很多好文章没tag怎么办,再有就是非站内搜索呢?另一种办法就是设置一个字数相对较少的字段,调高它的Boost。
比如,我现在把Title这个字段的Boost调成1.3,也就是说我搜索的时候,title的权重要比content的高,那么当我标题中含有Lucene的时候,得分总是会偏高,那样,就可以把记录调到前面去了。这里千万不要调高content,如果全部调的话影响也不是太大,但是对于搜索整体的质量有很大影响。为什么这么说呢?因为如果标题里含有一个keyword "a",那么这篇文章一般有关于这个“a”的内容,但是如果内容里含有“a”而标题没有,非常多的文章实际上都不是讲“a”的。
2.3 怎么有效调整得分
这里只是我的一些调整的经验,其实想一想也就明白了,没什么深奥的。
(1)、首先,标题的权重一定比内容的要高;
(2)、根据实际情况调整权重;
比如,现在要索引论坛的内容,那完全可以设置内容很少的帖子权重非常低,这个时候直接设置Document的权重就行了;而如果这个帖子的回复或者访问量 又非常高,那么每个回复或者浏览量,给加0.01的基数,让这个总体量不超过0.2;要是这个帖子是精华贴呢?直接加上0.1吧。
实际的调整过程就是你把各种问题想想全面就好了。
(3)、如果要把一个文档的Document的Boost调得非常高,比如调整成2,那么千万要注意,减少它的内容,内容中出现的词越少越好;
比如,像baidu那种的做个广告,那么就在里面放一个商家买的关键词就行了,其它什么也不要。
(4)、宁可设置Field,比设置Document来得好,设置的方法就不用说啦。
要注意的是,越短的帖子,越要降低它的权重。比如它只有两个字,怎么也要把它的权重调到0.1一下。为什么?因为两个字一般是一个词,这个词如果被搜索,得分就是1,你不调?那不是让水贴浮到最上层了么?
以上都是些经验之谈,大家可以结合实际情况自己做一些调整。经验主义,有错误和不足的地方,大家多包涵,指正,呵呵。