BooleanQuery setDisableCoord

Question

我不知道setDisableCoord是什么，我应该为它设置什么值。我在一个简单的查询（例如TFIDF查询）中理解coord。但是不要理解在包含多个查询的布尔查询中它意味着什么。

为了给出一些上下文，假设以下两个场景。我应该在setDisableCoord中为每个值设置什么值？

1. 在第一个场景中，我有一个使用BooleanClause.Occur.FILTER的查询（该查询仅用于过滤），另一个用于评分（BooleanClause.Occur.MUST）。在这种情况下，第一个查询仅检查＆＃34;年＆＃34;文档的字段在指定的范围内，第二个查询使用一些算法进行排名。
2. 在第二个场景中，我有两个使用BooleanClause.Occur.SHOULD的查询，其分数必须合并才能获得文档的最终检索分数。

Answer 1

总结：对于Lucene＆gt; 6.x，将disableCoord设置为true，否则将其保留为false。

Coord是BooleanQuery的一个评分功能，可以抵消TF / IDF过度饱和条款的一些缺点。它只适用于多个should子句。在您的第一个场景中，所有子查询必须匹配，不涉及协调因素，disableCoord参数无效。 在第二种情况下，当有多个should子句时，BooleanQuery总结所有子分数以确定哪个文档是更好的匹配。我们的想法是，匹配更多子查询的文档是更好的匹配，因此获得更好的分数。

现在，设想一个查询x OR y和一个包含1000次x但没有y的文档。使用TF / IDF时，由于termFreq(x)较高，x的子得分非常高，x OR y得分也是如此，这可以将此文档推到其他人之前，匹配两个字段，这不是BooleanQuery的意图。这就是协调发挥作用的地方。

每个文档计算的坐标因子为number of should clauses matched/total number of should clauses in query。这基本上给出[0..1]中的数字，表示有多少子查询与文档匹配。然后将所有子查询的总和得分乘以该坐标因子。匹配所有should子句的文档将具有所有求和子查询的原始分数，并且x中仅x OR y的文档将使其得分减半，从而抵消了该分数的高分。过度饱和的x给了。如果您禁用了coord，则不会计算此因子，最终得分只是子得分的总和。

Coord的设计考虑了TF / IDF，其他相似性公式可能不会受到过度饱和的条款的影响。 BM25已经成为Lucene 6.0中的默认相似性，它可以更好地控制这种过度饱和的术语，由k1 parameter控制。 BM25接近极限并停止增长，而不是随着termFreq增加而变得接近线性的分数。对于termFreq = 1000的文档，对于termFreq = 5的文档，它不会提升，但对于termFreq = 1，termFreq = 1的文档也是如此。 Britta Weber给出了talk at buzzwords这个，她解释了饱和曲线。

这意味着，对于BM25，不再需要协调因子，实际上可能导致反直觉的结果。它已经从Lucene master中删除，将在7.0中消失。

如果您使用Lucene 6.x并且默认相似度为BM25，那么始终禁用坐标是一个好主意，因为BM25不会遇到coord解决的问题。如果您正在使用TF / IDF（无论是否为6.x），只要您的术语频率均匀分布（实际上从未如此）并设置{{1}，禁用坐标将只会为您提供更可预测的结果错误（默认值）将给出结果，直观上更好。