lucene3.0.3中的DidjunctionMaxQuery

       solr中的dismax我在lucene中一直没有找到对应的queryParser，但是我倒是找到了一个Query——DisjunctionMaxQuery，他的原理和disMax的原理是一样的。我仔细想了想，solr中的dismax这个queryParser的最终也是形成了一个类似的query，当然其实现可能不同，大致原理应该一样。所以我看了看lucene 3.0.3中的DisjunctionMaxQuery类的源码，再此记录一下笔记，方便我，也方便你。

        DisjunctionMaxQuery,以下简称dmq，和booleanQuery的原理是差不多的，他也是含有多个subQuery，但是如同它的名字一样，是对多个subQuery取并集（他没有minNrShouldMatch的要求，只要某一个subQuery召回了某个doc，这个doc就会被最终召回），与booleanQuery最大的不同是在得分上（我稍后会补充下booleanQuery的得分实现）。

       它的打分公式是：召回当前doc的多个subScorer（并不是全部的subScorer，因为可能有的subScorer可能不会召回这个doc）的得分相加，获得sum，同时记录所有的召回当前doc的subScorer中最大的得分max，最后某个doc的得分是

max + (sum - max) * tieBreakerMultiplier;

在源代码中，他是用数组来保存的，原因很简单，数组是引用类型，在递归中不用重新设置新的值，就能保存上一层递归的值。从他的打分来看，他会优先使用最大的匹配的query，但是对于那些非最大的匹配的query，并不是完全的忽略，而是使用将其得分乘以一个很小的系数，也就是这里的tieBreaderMultiplier，在solr的disMax 的queryParser里面也有这样的一个属性，叫做tie，他们应该是相同的意思。

      我们来思考一下在百度中进行搜索的时候，比如我们搜索一个人名，比如“科比”，我们假设百度在对“科比“进行分词的时候是分为”科比“这一个词（而不是分为 ”科“、”比“），我们得到的第一个排名是科比的百度百科，如果我们把整个html的内容作为一个域的话，按照tf idf的算法，百度百科不可能永远排在第一位，所以html的所有的内容应该不是完全相同的一个域（类似于在solr的copyField，虽然可以把很多的域复制到同一个域中，但是这样就会丢失不同的域的权重），百度的做法应该是和这里的DisjunctionMaxQuery的思想是一样的，在搜科比的时候会搜多个域，比如存在两个域，title和body，title中的字符更少，他的权重更高一些，在body中存在更多的term，所以这个与的权重低一些，我们在搜”科比“的时候，会形成一个DisjunctionMaxQuery，它包含两个子query，title:科比  和 body:科比。使用这个DisjunctionMaxQuery的得分正好匹配了百度的做法，尽管body:科比匹配了众多的网页，但是他的权重很低，而title:科比值匹配了很少量的网页，并且他的权重更高得分也更高，所以百度百科排在前面也就能明白了。

      DisjunctionMaxQuery看来也很适合做电商的搜索，我们在搜一个词的时候，可能在商品的标题、类别、品牌、描述中都会被搜到，但是明显他们的重要性不一样，所以我们可以使用这个query来进行搜索，来实现更准确的搜索效果。