這幾天看Lucene,看到檢索那塊,被PhraseQuery折騰了一陣,那本《Lucene In Action》裏的代碼版本太舊了，也不知是翻譯的問題還是我的理解問題，總之在看PhraseQuery的設置slop時費了半天勁，不過，總算是搞明白了，發個帖子來分享一下：
所謂PhraseQuery，就是通過短語來檢索，比如我想查“big car”這個短語，那麼如果待匹配的document的指定項裏包含了"big car"這個短語，這個document就算匹配成功。可如果待匹配的句子裏包含的是“big black car”，那麼就無法匹配成功了，如果也想讓這個匹配，就需要設定slop，先給出slop的概念：slop是指兩個項的位置之間允許的最大間隔距離，下面我舉例來解釋：
我的待匹配的句子是：the quick brown fox jumped over the lazy dog.
例1： 如果我想用“quick fox”來匹配出上面的句子，我發現原句裏是quick [brown] fox，就是說和我的“quick fox”中間相差了一個單詞的距離，所以，我這裏把slop設爲1，表示quick和fox這兩項之間最大可以允許有一個單詞的間隔，這樣所有“quick [***] fox”就都可以被匹配出來了。
例2：如果我想用“fox quick”來匹配出上面的句子，這也是可以的，不過比例1要麻煩，我們需要看把“fox quick”怎麼移動能形成“quick [***] fox”，如下表所示，把fox向右移動3次即可：
| fox | quick | |||
| 1 | fox|quick | |||
| 2 | quick | fox | ||
| 3 | quick | fox |
例3：如果我想用“lazy jumped quick”該如何匹配上面的句子呢？這個比例2還要麻煩，我們要考慮3個單詞，不管多少個單詞，slop表示的是間隔的最大距離，詳細起見，我們分別來看每種組合：(我的待匹配的句子是：the quick brown fox jumped over the lazy dog.)
- lazy jumped:原句是jumped [over] [the] lazy，就是說它們兩個之間間隔了2個詞,如下所示：需要把lazy向右移動4位
| lazy | jumped | ||||
| 1 | lazy|jumped | ||||
| 2 | jumped | lazy | |||
| 3 | jumped | lazy | |||
| 4 | jumped | lazy |
- lazy jumped quick：我們主要看lazy和quick，但是由於jumped是在中間，所以移動的時候還是要把jumped考慮在內，原句裏lazy和quick的關係是：quick [brown] [fox] [jumped] [over] [the] lazy ，quick lazy中間間隔了5個詞，所以如下圖所示，把lazy向右移動8次
| lazy |
jumped |
quick | |||||||
|
1 |
|
lazy|jumped |
quick |
|
|
|
|
|
|
|
2 |
|
jumped |
lazy|quick |
|
|
|
|
|
|
|
3 |
|
jumped |
quick |
lazy |
|
|
|
|
|
|
4 |
|
jumped |
quick |
|
lazy |
|
|
|
|
|
5 |
|
jumped |
quick |
|
|
lazy |
|
|
|
|
6 |
|
jumped |
quick |
|
|
|
lazy |
|
|
|
7 |
|
jumped |
quick |
|
|
|
|
lazy |
|
|
8 |
jumped |
quick |
lazy |
- 最後是jumped qucik，這裏不詳細畫表格了，大家可以自己試試，應該是把jumped向右移動4次。
綜合以上3種情況，所以我們需要把slop設爲8才令“lazy jumped quick”可以匹配到原句。
OK，就到這裏吧，希望對大家有幫助，如果我理解有誤，也請指出，謝謝~