我一直在使用邮件列表，维基，博客等等在Lucene中搜索得分正常化几天（现在我知道这不可能完成）。我将揭露我的问题，因为我不确定分数标准化是否是我们项目所需要的。
背景： 在我们的项目中，我们使用Solr在Lucene之上使用自定义RequestHandlers和SearchComponents。对于给定的查询，我们需要检测查询何时获得不良结果以触发不同的操作。
假设： 不可变索引（一旦索引，未更新）和相同的查询提示（dismax qparser具有相同的字段提升，没有boost函数或boost查询）。
问题： 我们知道得分归一化是不可实现的。但是，当搜索结果匹配质量差时，有没有办法确定（使用TF / IDF和提升字段假设）？
示例：我们有一份科学论文索引，另一份载有医疗中心的信息。当用户查询第一个索引并得到不良结果（从得分中推断出来？）时，我们想查询第二个索引并使用某个阈值合并结果（得分阈值？）
提前致谢
答案 0 :(得分：1)
你是对的，不同查询的分数标准化没有意义，因为几乎所有的相似性度量都基于术语频率，这当然是查询本地的。
但是，我认为比较你正在描述的这个特殊情况下的分数是否可行，如果只是你会覆盖默认的相似性来使用两个索引共同计算的IDF。例如，您可以通过将所有文档保存在一个索引中并添加额外（并隐藏给用户）“类型”字段来轻松实现。然后，您可以比较这些查询返回的绝对值。
通常，可以通过查看某些功能来确定低质量结果，例如非常少量的结果，或者某些奇怪的分数分布，但我认为它实际上并不能解决您的问题。它看起来更像是合并孤立搜索结果的问题，例如在this paper中讨论过。