邻近检索

邻近检索（单词距离检索）

邻近检索是指，即使短语中的单词没有紧挨在一起，只要它们的位置相互靠近，也能检索到相应文档的方法。当要查找的单词之间可能夹有其他词语时，该方法非常有用。

使用方法

用双引号将单词括起来，并在右侧引号后面添加”~”和数字。

例如，按如下方式输入，可以检索”Fess”与”检索”之间距离在 3 以内的文档。

"Fess 检索"~3

数字表示单词之间允许的位置移动次数的最大值（详见下文”距离的计算方式”）。数字越大，允许单词相隔得越远。

也可以指定字段进行邻近检索。下面的示例将检索 title 字段。

title:"Fess 检索"~3

如果省略数字，仅指定”~”（例如 "Fess 检索"~），则按要求单词相邻的普通短语检索处理。如果指定小数，小数部分将被舍去（~2.5 按 ~2 处理）。

也可以与权重（boost）组合使用。下面的示例对邻近检索应用 2 倍权重（请参见 提升检索）。

"Fess 检索"~5^2

距离的计算方式

  • 数字表示单词之间允许的位置移动次数的最大值。它以目标字段的分析器生成的词元（token）为单位计数，而不是字符数或以空格分隔的单词数。对于英文文本，大致相当于词语之间夹着的单词数。分析时作为停用词被去除的单词也会被计入。

  • 单词的顺序可以不同，但顺序颠倒时需要更大的数字。例如，包含”quick brown fox”的文档可以匹配 "quick fox"~1，但要匹配 "fox quick"，则需要 ~3 或更大的数字。

"quick fox"~1
"fox quick"~3

中文等 CJK 文本

对于中文、日语、韩语等 CJK 文本，计算距离的单位因字段而异。

  • 在 title、content 等通用字段中，距离接近于单词之间的字符数。

  • 在各语言专用字段中，以形态素（词素）为单位计数，被去除的助词等也会被计入。

因此，请用空格分隔单词，并将数字指定得宽松一些。

"全文 检索"~5
"大阪 好吃"~10

不含空格的字符串（例如 "大阪好吃"~10）在通用字段中会作为一个连续的字符串进行匹配，因此可能无法按预期作为单词之间的邻近检索工作。请用空格分隔单词。距离无法精确换算为字符数，因此建议先指定较大的数字，再根据检索结果逐步缩小。

相关主题