据我了解，min_term_freq=2会查看输入文本，并且该词仅在出现至少两次时才用于搜索。
但是min_doc_freq是什么意思？文档说
最小文档频率，低于此频率时，输入文档中的术语将被忽略。默认值为5。
但是我不知道这意味着什么？它是查看输入文档还是索引的其余部分？
答案 0 :(得分：1)
Lucene评分公式使用TF-IDF权重来反映单词对语料库中文档的意义。
因此，输入文档中条款最高的条款 tf-idf是该文档的良好代表，可以使用 在析取查询（或OR）中检索相似的文档。
这就是为什么类似这样组件使用此数字统计的原因。
MLT查询只是从输入文档中提取文本，进行分析 通常在现场使用相同的分析仪，然后选择顶部 带有最高tf-idf的K个词构成这些词的析取查询 条款。
idf表示给定术语出现的文档数量的倒数：出现在每个文档中的术语将被认为是不相关的（文档频率较高，因此idf较低）。
也就是说，在一个文档中仅出现一次的单词也可能是错字，lorem ipsum摘录或类似的东西：一个没有任何意义但具有明显tf-idf权重的术语，因此需要离开一些“房间”以避免由“理论意义”引起的问题。
min_doc_freq允许设置一个阈值，低于该阈值的任何docFreq小于此值的单词（在所选的tf-idf最高的K个单词中）将被从输入文档中忽略。例如，min_doc_freq=5术语必须至少出现在5个文档中，否则将从MLT查询中排除。这在您希望MLT仅在查询条件产生一个地址明确的主题（至少在5个文档中解决）的情况下返回与给定文档相似的文档的情况下很有用。
那么，它是查看输入文档还是索引的其余部分？
两者：从输入文档开始，它需要前K个词，并且每个词都需要检查它们的docFreq，这是针对索引查询的TermStatistics。
在相同的上下文中，您将使用max_doc_freq来忽略频繁出现的单词，例如停用词。
https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-mlt-query.html