在对 Apache Lucene v7.5 进行基准测试时，我注意到一个奇怪的行为：我使用 Lucene 和 SimpleAnalyzer（没有停用词，没有词干）索引了英文维基百科转储（5,677,776 个文档）
然后我使用以下查询搜索索引：
对于布尔查询结果数量的谁是既比单项结果数量较大的，为单一期限的结果数谁，当它应该比都较小。
对此有解释吗？
代码片段：
analyzer = new SimpleAnalyzer();
MultiFieldQueryParser parser = new MultiFieldQueryParser(new String[]{"title", "content","domain","url"},analyzer);
// Parse
Query q = parser.parse(querystr);
// top-10 results
int hitsPerPage = 10;
IndexReader indexReader = DirectoryReader.open(index);
IndexSearcher searcher = new IndexSearcher(indexReader);
// Ranker
TopScoreDocCollector collector = TopScoreDocCollector.create(hitsPerPage);
// Search
searcher.search(q, collector);
// Retrieve the top-10 documents
TopDocs topDocs=collector.topDocs();
ScoreDoc[] hits = topDocs.scoreDocs;
totalHits=topDocs.totalHits;
System.out.println("query: "+querystr + " " + hits.length+" "+String.format("%,d",totalHits));
解释是默认运算符是OR而不是AND您假设的。搜索the who具有或者返回文件the或who或两者兼而有之。
the - 5,382,873
who - 1,687,254
the OR who - 5,411,305
即大多数包含 的文档who也包含the，除了 28 432 个文档，当您检索它们时添加到结果集中。
您可以通过更改默认运算符来更改此行为：
parser.setDefaultOperator(QueryParserBase.AND_OPERATOR)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句