有關Lucene的問題(1):為什麼能搜的到“中華 AND 共和國”卻搜不到“中華共和國”?

問題：

使用中科院的中文分詞對“中華人民共和國” 進行索引，它被分詞為"中華", "人民", "共和國"，用“人民共和國”進行搜尋，可以搜到，而搜尋"中華共和國"卻搜尋不到，用“中華 AND 共和國”卻可以搜出來，為什嗎？

回答：

我下載了http://ictclas.org/Download.html中科院的詞做了簡單的分析，如果索引的時候“中華人民共和國”被分成了“中華”“人民”“共和國”，而搜尋的時候，搜“中華共和國”，則被分為了“中華 共和國”，然而構建Query Parser構建Query Object的時候，卻將它構建成了PhraseQuery—— contents:"中華 共和國" ，而非BooleanQuery——contents:中華 contents:共和國，根據PhraseQuery的解釋，它有一個參數slop來表示兩個詞之間的距離，預設為0，也即只有在文檔不但包含“中華”而且包含“共和國”並且二者相鄰的時候才能返回。這就是為什麼“人民共和國”可以搜出來(它構建的是PhraseQuery，但是相鄰)，“中華 AND 共和國”能搜尋出來(它構建的是BooleanQuery)，而“中華共和國”搜不出來的原因(它構建的是PhraseQuery，但不相鄰)。

嘗試解析Query query = parser.parse("\"中華共和國\"~1")

或者用API設定Slop為1，就能搜尋出結果了。

Query query = parser.parse("中華共和國"); PhraseQuery pquery = (PhraseQuery)query; pquery.setSlop(1);

執行個體：

Analyzer ca = new ChineseAnalyzer();

QueryParser parser = new QueryParser(field, ca);

Query query1 = parser.parse("人民共和國");

System.out.println("Searching for: " + query1.toString(field));

查詢對象為：

query1    PhraseQuery  (id=39)        boost    1.0        field    "contents"        maxPosition    1        positions    ArrayList<E>  (id=45)        slop    0        terms    ArrayList<E>  (id=49)            elementData    Object[4]  (id=74)                [0]    Term  (id=76)                    field    "contents"                    text    "人民"                [1]    Term  (id=77)                    field    "contents"                    text    "共和國"

相當於查詢語句：

Searching for: "人民 共和國"

Query query2 = parser.parse("中華 AND 共和國");

System.out.println("Searching for: " + query2.toString(field));

查詢對象為：

query2    BooleanQuery  (id=43)        boost    1.0        clauses    ArrayList<E>  (id=56)            elementData    Object[10]  (id=57)                [0]    BooleanClause  (id=59)                    occur    BooleanClause$Occur  (id=62)                        name    "MUST"                    query    TermQuery  (id=65)                        boost    1.0                        term    Term  (id=70)                            field    "contents"                            text    "中華"                [1]    BooleanClause  (id=61)                    occur    BooleanClause$Occur  (id=62)                        name    "MUST"                    query    TermQuery  (id=64)                        boost    1.0                        term    Term  (id=68)                            field    "contents"                            text    "共和國"

相當於查詢語句：

Searching for: +中華 +共和國

Query query3 = parser.parse("\"中華共和國\"~1");

System.out.println("Searching for: " + query3.toString(field));

查詢對象為：

query3    PhraseQuery  (id=54)        boost    1.0        field    "contents"        maxPosition    1        positions    ArrayList<E>  (id=93)        slop    1        terms    ArrayList<E>  (id=94)            elementData    Object[4]  (id=96)                [0]    Term  (id=97)                    field    "contents"                    text    "中華"                [1]    Term  (id=98)                    field    "contents"                    text    "共和國"

相當於查詢語句：

Searching for: "中華 共和國"~1

Query query4 = parser.parse("中華共和國");

PhraseQuery pquery = (PhraseQuery)query4;

pquery.setSlop(1);

System.out.println("Searching for: " + query4.toString(field));

查詢對象為：

query4    PhraseQuery  (id=55)        boost    1.0        field    "contents"        maxPosition    1        positions    ArrayList<E>  (id=102)        slop    1        terms    ArrayList<E>  (id=103)            elementData    Object[4]  (id=105)                [0]    Term  (id=107)                    field    "contents"                    text    "中華"                [1]    Term  (id=108)                    field    "contents"                    text    "共和國"

相當於查詢語句：

Searching for: "中華 共和國"~1