Question

我有一个使用lucene进行搜索的应用程序。搜索空间数以千计。搜索成千上万的搜索结果，我只得到了一些结果，大约20个（这是可以预期的）。

然而，当我将我的搜索空间减少到只有那20个条目时（即我只将那20个条目编入索引并忽略其他所有内容......这样开发会更容易），我得到相同的20个结果但是顺序不同（和得分）。

我尝试通过Field #setOmitNorms（true）禁用规范因子，但我仍然得到不同的结果？

什么可能导致得分差异？

由于

Answer 1

请参阅Lucene的Similarity API中的评分文档。我敢打赌这两种情况之间的idf差异（numDocs和docFreq都不同）。为了确定，请使用explain()函数调试分数。

编辑：用于获取解释的代码片段：

TopDocs hits = searcher.search(query, searchFilter, max);
ScoreDoc[] scoreDocs = hits.scoreDocs;
for (ScoreDoc scoreDoc : scoreDocs) {
  String explanation = searcher.explain(query, scoreDoc.doc).toString();
  Log.debug(explanation);
}

Answer 2

评分取决于索引中的所有文件：

总的来说，背后的想法向量空间模型（VSM）就是更多查询词出现在一个中的时间文件相对数量这个词出现在所有的时代集合中的文档，该文档与查询的相关性越高。

来源：Apache Lucene - Scoring

使用不同搜索空间大小的不同lucene搜索结果

2 个答案: