Question

如何使用给定的查询实现这一点＆＃34; 20＆＃34;，带内容的文档＆＃34; 20＆＃34;有类似MAX_SCORE的东西，而其他文件，例如＆＃34; 20/12＆＃34;经常一个？

我正在使用重写相似度算法来简化搜索，但这种行为现在很痛苦。我需要将lengthNorm因子设置为＆＃34; 1＆＃34;因为我不想拥有＆＃34;较短的文件会得到更高的分数＆＃34;行为（没有这个＆＃34; 20＆＃34;显然是胜利，但不是因为它完全适合，而是因为它更短......）。

我的自定义相似度类目前看起来像

public class SimpleSimilarity extends DefaultSimilarity {
    public SimpleSimilarity(){}


    @Override
    public float idf(long docFreq, long numDocs) { return 1f; }



    @Override
    public float tf(float freq) { return 1f; }


    @Override
    public float lengthNorm(FieldInvertState state) {
        return 1f;
    }
}

Answer 1

您仍然可以使用自定义相似性来执行此操作。您不需要较小的文档才能获得高分，但您需要得分（文档中匹配的令牌/总条款）。

在自定义相似度中尝试此lengthNorm（保持tf / idf等，如上所述返回1f）

@Override
public float lengthNorm (FieldInvertState state)
{
    return (float) 1.0 / state.getLength();
}

state.getLength（）返回文档中的标记数。

根据相似性得分方程（http://lucene.apache.org/core/4_0_0/core/org/apache/lucene/search/similarities/TFIDFSimilarity.html）将为每个匹配的术语添加lengthNorm（），净值将获得（文档中匹配的令牌/总术语）的比率。

现在在您的示例中，如果您的查询是＆＃34; 20＆＃34;，这里是返回文档的顺序 1）20（文档只有一个与查询匹配的术语） - 得分~1.0 2）某事20（文件有两个术语，一个匹配） - 得分〜0.5 3）20/12（文件有三个术语，一个匹配） - 得分~0.33

Lucene得分调整

1 个答案: