摘要：查询扩展 查询扩展的动机：提高召回率 问题：考虑查询q: [aircraft]，某篇文档d包含“plane”， 但是不包含“aircraft”，显然对于查询q，一个简单的IR系统不会返回文档d，即使d是和q最相关的文档。我们试图改变这种做法：也就是说，我们会返回不包含查询词项的相关文档。 方法：不考虑查询（即与查询无关）及其返回文档情况下对初始查询进行扩展和重构，即进行一次性的全局分析(比如分... 阅读全文

摘要：Lucene的分析过程回顾倒排索引的构建收集待建索引的原文档(Document)将原文档传给词条化工具(Tokenizer)进行文本词条化将第二步得到的词条(Token)传给语言分析工具(Linguistic modules)进行语言学预处理，得到词项(Term)将得到的词项(Term)传给索引组件(Indexer),建立倒排索引注：详细文档->倒排索引的理论过程见词项词典及倒排记录表分析操作的使用场景1.如上，倒排索引的构建阶段2.针对自由文本的查询阶段QueryParser parser = new QueryParser(Version.LUCENE_36, field, anal 阅读全文

摘要：一个完整的搜索系统 层次型倒排索引 基于前面非精确top K检索中的胜者表的思路，实际搜索系统可以建立多层索引结构。 基本思路:建立多层索引，每层对应索引词项的重要性 查询处理过程中，从最高层索引开始。如果最高层索引已经返回至少k (比如, k = 100)个结果，那么停止处理并将结果返回给用户。如果结果 < k 篇文档，那么从下一层继续处理，直至索引用完或者返回至少k 个结果为止。 例... 阅读全文