使用不同搜索空间大小的不同lucene搜索结果

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