Lucene 评分机制

 

         lucene为每个与Query匹配的文档都赋予了一个分数，用这个分数来表示文档与Query的相似度。lucene采用的公式和老师所说的最常用公式有点相似：

         Σt in q (t f (t in d ) *idf (t)* boost(t.field in d )* lengthNorm(t.field in d )) *coord(q,d )* queryNorm(q)

      其中，t表示term、d表示document、q表示query。这个公式的一些含义如下：

1.      tf(t in d)：表示t的词频，即特征词t在文档d中出现的次数

2.      idf(t): 反文献频率，这个应该大家都比较熟了。

3.      boost(t.field in d)：这个在建立lucene索引的时候说过。对某个field的赋予的权重。

4.      lengthNorm（t.field in d）:表示关键词t在文档d中所占的比重。在这里d中的关键词越少，代表t越重要。

5.      coord(q,d): 代表q中有多少个特征词在文档d中出现

6.      queryNorm(q): 代表q中每个特征词权值之和。

 

有些时候理解这些参数，以及为什么lucene要设置这样的评分机制，会有点困难，lucene比较人性化，提供了explain()方法使得用户可以更好的理解评分机制。

附件为explain()的使用方法。