ファイルがヒットしない、ヒットしすぎる

現象

「あれ、なんで見つからないの？」　「なんでこんなのがヒットするの？」

ここでは、全文検索の結果に違和感を覚えるケースについて解説します。

原因

FileBlogが採用している検索方法の特性により、検索結果が予期したものと異なってしまう場合があります。

解説

FileBlog全文検索の特性

例文１：『英語で「おはよう」はGood morningになります』 は、

英数文字列"Good morning"部分と、その他に分けて扱われます
 

上記の例文１は「英語」「おは」「なります」などのキーワードで検索できます。

「語」や「お」など１文字キーワードで検索してもヒットしません。
※まれに1文字で分割された文字がヒットする場合があります。
 

上記の例文１は「Good」や「morning」で検索するとヒットします。

しかしながら、「Goo」や「ing」などの部分文字列ではヒットしません。

このため、ID番号などの部分一致検索は出来ません。

たとえば「20100615」は「2010」ではヒットしません。
 

たとえば「20100615」は「2010*」でヒットします。

後方一致検索はできませんので、「*2010」はエラーになります。
 

たとえば「警察は110番。消防は119番です」を検索するときに

「110」ではヒットしますが、「110番」ではヒットしません。

これは、全角半角の境界でキーワードが分割され

「110番」は「110」と「番」として検索されるものの、もとのテキストには「番」が見つからないためです。（1文字キーワードがヒットしない理由は 2.を御覧ください。

全角半角混じりキーワードで検索する場合、全角部分については原則として２文字以上としなければならず、半角部分については単語全体が完全一致するようにしなければならないのです。

FileBlogファイル名検索の特性

全文検索でヒットしない半角の部分文字列もヒットするように、ファイル名専用の検索インデックスを構築しています。

ファイル名専用インデックスでは、ファイル名を単語分割する際に、文字列長２～１５のNグラム方式を取っています。そのためVer.3.0以前では１５文字を越えるキーワードで検索すると１件もヒットしませんでしたが、Ver.3.1以降ではキーワードが一つであればヒットします。

FileBlog全文検索・ファイル名検索 共通の特性

全角一文字での検索を有効にする方法

全角１文字での検索を有効にするには、検索インデックスを『ユニグラムで構築しなおす』必要があります。検索インデックスのサイズが肥大化し、検索パフォーマンスが低下するリスクがあるため、文書量が数十万件を超える場合には推奨できません。（参考：http://lucene.jugem.jp/?eid=47 のCJKAnalyzerがFileBlogのデフォルトで、StandardAnalyzerがユニグラム版です）

まず、弊社のサポートページから、ユニグラム版の全文検索インデックス構築に必要なインデックステンプレートを入手してください。
(メールでお問い合わせ下さい）

FileBlog管理ツールの、検索エンジン設定画面にある、インデックステンプレートを標準の init_solr.zip から、送付したファイルに選択しなおしてください。

「サービスとツール」「コマンド実行」で、全文検索インデックスを初期化して、再構築しなおしてください。