Database 使用Solr搜索数字数据

我将Solr用于（一个不寻常的？）为数字数据提供排名结果的用例/

假设我有一组对象O{O1…On}的记录集，对于这些对象，我有多个测量值：例如粘度、孔隙度、渗透率等

对于On+1对象，我需要搜索上面的记录集以找到最“相似”的（沿粘度、孔隙度、渗透率的多个维度）等

由于记录集O是数亿条记录，因此实际上不可能对每个记录运行一个相似性度量，如余弦或Minkowski。我需要将结果集删减到前100名左右的候选项，并使用Solr运行查询

我使用On+1对象的参数运行范围查询，例如孔隙率在[9.5到10.5]之间，因此+/-5%的值，布尔查询将其链接，以获得匹配的排序列表

我的问题是:

有没有更好的方法来做到这一点，并从Solr获得分数，我可以使用，也许可以达到阈值。当前范围查询方法得分似乎遵循step函数，没有帮助

我能否以文本形式保存这些数字，并使用查询数字进行搜索？ 由于quert字符串可能会运行很长时间，我不确定如何处理这个问题，可能是使用MLT

有什么想法吗？或者对其他工具包的建议，以帮助实现上述功能？

理论 正如您所说，范围查询在这里不适用于评分。。。但这仍然是过滤初始索引的好方法

一旦索引通过一些基本查询过滤（或不过滤），我们就可以应用自定义评分

下面是一些关于如何实施自定义评分的一般示例：

---

在实现自定义排序时，可以接收以下参数：

• 值步骤-降低分数的步骤
• 分数步-每当出现“值步”时，将分数降低该值
• 最大附加分数-“完美匹配”将在本地分数（来自reqular搜索查询）之外具有该分数，非完美匹配将具有较低的（非负值）值

每次字段值和查询值之间的距离按“值步”扩展时，附加分数将按“分数步”降低，从“最大附加分数”开始，直到它达到零

额外的评分公式如下所示（直到它达到零）：

---

例子 因此，例如，具有以下设置：

• 值步长=0.1
• 分数步长=0.01
• 最大附加分数=1

对于某些字段（例如渗透率），具有以下索引值：

• 3（对于doc1）
• 5（用于doc2）
• 6（用于doc3）
• 7（用于doc4）
• 999999999（用于doc5）

如果初始搜索查询如下所示：

q={!nearestParser valueStep=0.1 scoreStep=0.01 maxStep=1}permeability:5

然后结果如下（假设所有文档的初始分数相同（1））

• doc2（得分为-2.0）
• doc3（得分为-1.9）
• doc1（得分为-1.8）
• doc4（得分为-1.8）
• doc5（得分为-1）

结论:

• Doc2将拥有最好的分数，因为它是一场完美的比赛
• Doc3将是第二个，因为它与首选输入尽可能接近（没有完全匹配）（并且在分数距离内）
• Doc1和doc4的得分相同，因为它们与初始搜索查询的距离相同
• Doc5将具有初始分数，因为它超出了被视为“相似”的范围

我将尝试给出一些实际的例子，但由于这需要一些时间，我认为现在最好用这个想法来回答

---

其他可能的解决办法 在阅读了有关的内容后，我还想到了使用Trie*字段结构（具体地说，利用它高效处理数值范围搜索的能力），以便从索引中找到最接近的值。。。但我还没弄明白怎么做

---

这可能会更有效，尽管更复杂。。。Trie*结构仍有可能无法处理此类操作…

这种相似性对最终用户应该如何工作？他们只能在结果本身中搜索相似的结果（例如，选择一个结果文档并获得相似性），还是应该提供一个输入数据作为相似性的基础，或者两者兼而有之？实际上，两者都可以，即用户上传一个对象的值，我们提供一个结果集，从中他们也可以搜索相似的结果。

q={!nearestParser valueStep=0.1 scoreStep=0.01 maxStep=1}permeability:5