查詢重新排序
查詢重新排序允許您執行一個簡單查詢 (A) 來比對文件，然後使用更複雜查詢 (B) 的分數來重新排序前 N 個文件。
由於來自查詢 B 的較耗費成本的排序僅應用於前 N 個文件，因此與單獨使用複雜查詢 B 相比，對效能的影響較小。權衡之處在於，使用簡單查詢 A 得分非常低的文件可能不會在重新排序階段中考慮，即使它們使用查詢 B 會得到非常高的分數。
指定排序查詢
可以使用 rq 請求參數指定排序查詢。 rq 參數必須指定一個查詢字串，該字串在剖析時會產生 RankQuery。
Solr 發行版目前包含三個排序查詢。您也可以設定您已撰寫的自訂 QParserPlugin，但大多數使用者可以直接使用 Solr 提供的剖析器。
| 剖析器 | QParserPlugin 類別 |
|---|---|
rerank |
|
xport |
|
ltr |
LTRQParserPlugin |
重新排序查詢剖析器
rerank 剖析器會包裝由本機參數指定的查詢，以及其他參數，指出應重新排序的文件數量，以及應如何計算最終分數
reRankQuery-
必要
預設：無
複雜排序查詢的查詢字串 - 在大多數情況下，變數將用於參考另一個請求參數。
reRankDocs-
選用
預設：
200應重新排序的原始查詢中前 N 個文件的數量。此數字將被視為最小值，並且可能會在內部自動增加，以便對足夠的文件進行排序以滿足查詢（即 start+rows）。
reRankWeight-
選用
預設：
2.0在與原始分數合併之前，將應用於每個頂層比對文件的 reRankQuery 分數的乘法因子。
reRankScale-
選用
預設值：
none將重新排序的分數縮放至最小值和最大值之間。此參數值的格式為
min-max，其中 min 和 max 是正整數。例如，reRankScale=0-1會將重新排序的分數縮放至 0 和 1 之間。 reRankMainScale-
選用
預設值：
none將主要查詢的分數縮放至最小值和最大值之間。此參數值的格式為
min-max，其中 min 和 max 是正整數。例如，reRankMainScale=0-1會將主要查詢的分數縮放至 0 和 1 之間。 reRankOperator-
選用
預設值：
add預設情況下，來自 reRankQuery 的分數乘以
reRankWeight後會加到原始分數上。
在下面的範例中，使用預設的 add 行為，與查詢 "greetings" 匹配的前 1000 個文件將會使用查詢 "(hi hello hey hiya)" 重新排序。這 1000 個文件中每一個的結果分數將會是他們從 "(hi hello hey hiya)" 獲得的分數乘以 3，再加上來自原始 "greetings" 查詢的分數。
q=greetings&rq={!rerank reRankQuery=$rqq reRankDocs=1000 reRankWeight=3}&rqq=(hi+hello+hey+hiya)如果文件與原始查詢匹配，但不與重新排序查詢匹配，則文件的原始分數將保持不變。
將 reRankOperator 設定為 multiply 會將這三個數字相乘。這意味著其他相乘運算，例如 eDisMax boost 函數 可以轉換為重新排序操作。
在下面的範例中，與查詢 "phone" 匹配的前 1000 個文件的分數將會乘以 price 欄位的一個函數。
q=phone&rq={!rerank reRankQuery=$rqq reRankDocs=1000 reRankWeight=1 reRankOperator=multiply}&rqq={!func v=div(1,sum(1,price))}將 reRankOperator 設定為 replace 將會取代分數，因此最終分數可以獨立於文件的原始分數。
在下面的範例中，與查詢 "phone" 匹配的前 1000 個文件的分數將會被 price 欄位的一個函數取代。
q=phone&rq={!rerank reRankQuery=$rqq reRankDocs=1000 reRankWeight=1 reRankOperator=replace}&rqq={!func v=div(1,sum(1,price))}LTR 查詢解析器
ltr 代表 Learning To Rank（學習排序），詳細資訊請參閱學習排序。