多值字段和標記字段之間的得分差異

Question

例如，每個文檔有幾個標籤。我可以

• 將它們索引爲單個文本字符串按空格分隔uisng WhiteSpaceTokenizer。 （例如， 「標籤1標籤2標籤3」）
• 使用KeywordAnalyzer（ 例如 doc.addField("tags1", "tag1"); doc.addField("tags", "tag2"); doc.addField("tags", "tag23) ）

這兩種方法將工作separatly將它們添加到單個字段的名字多次。問題是這些類型的索引有多不同？ （即場規格化因子，tf/idf計數，字段長度計算，斜率因子等）

Answer 1

我認爲多值會更準確。

想象一個標記過的字符串「蜘蛛網開發商」

VS

與價值觀「蜘蛛」和「web開發」多值字段

爲「Web開發人員」的搜索將匹配這兩個領域，但匹配與多值領域可以被視爲更準確。

Answer 2

無論如何，Lucene會連接場景後面多值字段的所有值，因此它與第一個案例沒有多大區別。如果你只使用標籤作爲過濾器（給我所有帶tag2標籤的文檔），那麼你絕對不會看到任何區別。