lucene 评分机制研究

评分公式

1.coord(q,d),查询覆盖率

/** Implemented as <code>overlap / maxOverlap</code>. */
  @Override
  public float coord(int overlap, int maxOverlap) {
    return overlap / (float)maxOverlap;
  }

例如：

　　查询：query=title:search and content：lucenen 确定最大覆盖maxOverlap = 2

　　索引文档内容：1.{title：search ***，content：lucenen ***}

　　　　　　　　　　title和content全部命中：overlap = 2  coord(q,d) = 2/2

　　　　　　　　　2.{title：search ***，content：solr ***}

　　　　　　　　　　只有title命中：overlap = 1  coord(q,d) = 1/2

通过该参数影响排序的手段是修改分词使Token更多的命中Term，提高coord值

2.queryNorm(q)，查询权重得分，对结果排序无影响，同一次查询该因子得分一致

  /** Implemented as <code>1/sqrt(sumOfSquaredWeights)</code>. */
  @Override
  public float queryNorm(float sumOfSquaredWeights) {
    return (float)(1.0 / Math.sqrt(sumOfSquaredWeights));
  }

　　sumOfSquaredWeights 查询权重得分

　　TermQuery权重，BooleanQuery权重

t in q： term in query

　　一次查询的BooleanQuery、TermQuery权重是一致的，该queryNorm因子在同一次查询对排序结果无影响，而是用来比较不同次查询的分数

∑( tf(t in d)·idf(t)^2·t.getBoost()·lengthNorm(t,d) )

括号里针对解析出的每个Term进行分数累加，例如：查询"lucene and solr"，lucene的分数 + solr的分数

3.tf(TermFreq)，词频，该Term在该文档出现的频率

tf = sqrt(Term在该文档出现的次数)

/** Implemented as <code>sqrt(freq)</code>. */
  @Override
  public float tf(float freq) {
    return (float)Math.sqrt(freq);
  }

查询词在该文档中出现的次数越多，表明该文档越重要

4.idf（InverseDocumentFreq逆向文本频率)，docFreq(term出现的文档数量)，numDocs所有文档数量

/** Implemented as <code>log(numDocs/(docFreq+1)) + 1</code>. */
  @Override
  public float idf(long docFreq, long numDocs) {
    return (float)(Math.log(numDocs/(double)(docFreq+1)) + 1.0);
  }

5.t.getBoost(),term in document的查询权重，solr调用接口 title:lucene^3

6.lengthNorm()term in document

/** Implemented as
   *  <code>state.getBoost()*lengthNorm(numTerms)</code>, where
   *  <code>numTerms</code> is {@link FieldInvertState#getLength()} if {@link
   *  #setDiscountOverlaps} is false, else it‘s {@link
   *  FieldInvertState#getLength()} - {@link
   *  FieldInvertState#getNumOverlap()}.
   *
   *  @lucene.experimental */
  @Override
  public float lengthNorm(FieldInvertState state) {
    final int numTerms;
    if (discountOverlaps)
      numTerms = state.getLength() - state.getNumOverlap();
    else
      numTerms = state.getLength();
   return state.getBoost() * ((float) (1.0 / Math.sqrt(numTerms)));
  }

该因子由两部分组成

1.state.getBoost()，改值是由创建索引时指定的field权重

2.(float)(1.0/Math.sqrt(numTerms))，numTerms代表term对应field的长度，如果title:lucene的numTerms对应的文档"title:lucenen"比文档"title:lucene and solr"重要