WebGIS中解决使用Lucene进行兴趣点搜索排序的两种思路

文章版权由作者李晓晖和博客园共有，若转载请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/。

1.背景

目前跟信息采集相关的一个项目提出了这样的一个需求：中国银行等一些部门和政府关系较好，需要在兴趣点搜索时优先显示他们。

我们的兴趣点查询是使用的Lucene进行分词查询的，这涉及到我们要对我们搜索出来的结果进行一次优先级排序。这里，我和大家一起探讨解决此问题的两种方案。

2.字典创立时对字典文档设置优先级

2.1.通过Document的setBoost来建立文档优先级

在Lucene4.0前，Document可以通过setBoost来设立文档的优先级。流程图为：

但是，此方法在Lucene4.0之后不能使用，因为此之后去掉了Document可以直接setBoost的方法。

2.2.通过对数据源进行排序来解决建立字典文档优先级

在项目中，数据存放在数据库中，索引是建立在数据库的该兴趣点表上，于是我们可以改变我们的思路，即直接对查询所得的数据先进行排序，然后再建立索引。

下面我们具体讲下实施方案。

2.2.1.修改兴趣点表，增加排序字段

这里，我们增加了一个ORDERINDEX排序字段。

2.2.2.在代码中对数据源进行排序，然后生成字典

2.2.3.测试例子

符合邮局关键字段的数据有多个，我们将北新桥邮局后面的ORDERINDEX修改为1，如果我们输入邮局，能将北新桥邮局后门首先返回，则表示方法成功。

结果展示：

3. 分词查询时，通过设置query 影响排序

3.1.思路分析

我们首先可以在创建Document时，增加一个field。该field默认值为false。当我们需要创建的字符串满足优先查询字符串时，则将该field的值改为true.

然后，再创建查询条件时，增加一个建立在field的查询条件，该查询条件为should型，查询值为true，并且设置其对query的影响为低。

流程图为：

3.2.具体实现

3.2.1增加类score字段

3.2.2增加query影响条件

4.总结

在代码中通过setBoost有如下几个缺点：

a.增加了代码开发量

b.在构建索引字典中遍历是否满足优先条件，比较耗时。

鉴于以上缺点，选择直接通过数据源排序构建索引字典是比较好的方式。

5.扩展

由于Lucene中分词的粒度很难控制，比如邮局二字。当我们输入邮或者邮局时，是可以有查询结果的。但是输入局时却不能。

针对此种问题，基于Lucene的分词条件进行修改和扩展，是能根本解决问题的方法之一，但是学习成本略大。

此处我选择了一种折中的方式来解决，即分词查询后判断查询结果是否为空，如果是空，则触发数据库查询。

当然，触发数据库查询的前提是，兴趣点不能过多。一般项目中兴趣点均在10W以内，所以数据库查询消耗时间是有限的。

而为什么不直接使用数据库查询是在于：

a.分词查询可以加速查询效率。

b.分词查询避免数据库查询使用过多的like关键字。

c.分词查询可以建立对拼音检索的支持。

-----欢迎转载，但保留版权，请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/

如果您觉得本文确实帮助了您，可以微信扫一扫，进行小额的打赏和鼓励，谢谢 ^_^