Lucene里的王安德打分器

Lucene | 作者 Charele | 发布于2024年04月13日 | 阅读数：5079

WAND即： Weak AND，
WAND打分器，用在boolean查询的should类型中，
比如我要找"000" or "111" or "222" or "333" ,,, or "999, 这10个词中，必须最小满其中的8个。

https://amazingkoala.com.cn/Lu ... 2589/
这里有介绍，但他只介绍了基本思想，
并没有明细的表述，可能是忘了写第二章了吧

5 个回复

Charele - Cisco4321

Wand的结构和执行过于复杂，能不用尽量不用，

PS: bool查询由于选项较多（must等4种条件, 加上minShouldMatch），
所以为了生成布尔查询的打分器,
分叉特别多，而每一个分支会产生一个主题，
所以想对布尔查询有一个清西的理解，可以说非常之困难。

现在只谈一下，这棵大树的其中一个分支: Wand打分器

Charele - Cisco4321

同一个类，不同版本的Lucene之间会有差异，
变化的结果肯定是，新版的越来越复杂：-（
上面是大神博客里的，他那个版本可能比较老
下面是最新版的

Charele - Cisco4321

文章里有一个可以简化的公式，意思是说，
比如我有10个should条件，必须满足其中的8个，
现在我只要看看10 - 8 + 1 = 3个打分器就可以了。理论上是这样，
但现在版本中，并没有这么做，它还是得满足8个。

可能是版本实现不同（理不清的东东，不想去看老版本了），
也可能是我没理解出这个思想体现在哪，有理解的人可以告知一下

这个理论只体现在算cost的时候，仅仅用在这儿而已！

这个代码的意思是，如果10个should子条件，必须满足其中的8个，
（子条件也是查询，也有它自己的打分器）
我把代码最小的3个子条件的代价相加，
作为这个Wand打分器的代价。

这个代价对Wand自身并没有作用，
但如果Wand查询是另外一个查询的子查询(即Wand打分器是子打分器），就有用了

Charele - Cisco4321

：10个should子条件，必须满足其中的8个（忽略打分）

DisiWrapper类用来包装子打分器，
比如你子查询是"TermQuery"，那子打分器就是"TermScorer"类型

这里面有3个容器变量，
具体的执行过程，就是把10个子打分器在这3个容器里倒来倒去，，，变量1不是容器类型。但DisiWrapper类里有个next变量，指向下一个DisiWrapper对像。形成一个链表

2 数组
3 优先级队列

Charele - Cisco4321

它之所以搞得这么复杂，是有原因的，
1 要算打分， 2 是要考虑子条件（子查询）的代价。

设想一下，有3个queue，你要求出所有数字，最少在两个数组中有
A: 0, 1, 4, 5, 10                                代价：10
B: 0, 2, 7, 8, 11, 15                           代价：30
C: 0, 4 5, 6, 11, 100                         代价：20

PS: 一个queue，等于Wand打分器中的一个should条件（子打分器），
数字就等于这个子打分器取出来的文档号

你很容易就可以看出（程序也很容易实现），0， 4， 5，11满足。
所以，文档0，4，5，11就是满足你这个布尔查询的结果

实际中，它会考虑各个子打分器的代价，会先从代价小的子打分器中取文档号。
比如上面，按须序取的话，取完a和b里的0，就知道0是满足了minShould
就不用从c中去取了。
但队列b的代价是最大的，所以它不会从b中去取，会先从a,c中取

要回复问题请先登录或注册

Lucene里的王安德打分器

5 个回复

发起人

活动推荐

相关问题

问题状态

Lucene里的王安德打分器

与内容相关的链接

5 个回复

发起人

活动推荐

相关问题

问题状态