许多在线或本地数据源提供了强大的查询机制，但排名能力有限。 例如，PubMed允许用户提交表达力强的布尔关键字查询，但仅按日期对查询结果进行排名。 但是，用户通常希望通过信息检索（IR）排名功能衡量的相关性进行排名。 天真的方法是提交带有所有查询关键字的析取查询，检索所有返回的匹配文档，然后对它们重新排序。 不幸的是，由于析取查询返回的大量结果，这样的操作将非常昂贵。 在本文中，我们提出了一种算法，该算法可返回查询的最高结果，并根据IR样式的排名函数进行排名，同时在具有布尔查询接口的源之上运行，而布尔查询接口则没有排名功能（或对用户没有兴趣的排名功能）最终用户）。 该算法生成一系列联合查询，这些查询仅返回作为根据相关性指标进行高度排名的候选文档。 我们的方法也可以应用于其他设置，在这些设置中，一组因素（IR中的查询关键字）的排名是单调的，而源查询接口是这些因素的布尔表达式。 我们对PubMed数据库和TREC数据集的综合实验评估表明，与当前的基准方法相比，我们实现了数量级的提高
